多变异策略的自适应差分演化算法

差分演化(Differential Evolution,DE)算法的性能依赖于变异策略的选择和控制参数的设置。不同问题对DE的变异策略和参数的设置各不相同。为了提高DE的性能,提出一种多变异策略的自适应差分演化算法,建立由多种变异策略组成的策略池,两个主要参数自适应策略控制。为了验证所提算法的性能,在测试数据集CEC2013上进行了实验,并将其与使用6种不同变异策略的原始DE和4种改进DE进行比较。实验结果表明,提出的算法是一种有效的DE变种,其性能优于其它DE。

基于多变异策略与拥挤积距的多目标优化算法

为了进一步提升进化迭代中的群体多样性和分布性,提出一种基于多变异策略与拥挤积距的多目标优化算法(mcMOA)。该算法设计模糊记忆变异算子采集和利用进化中成功变异的尺度信息,以引导后续变异,增强了局部搜索效率。算法采用多变异策略,将模糊记忆变异、多项式变异、非一致性变异3种变异方式有机融入整个进化周期,提升了进化种群的多样性和全局搜索效率。针对拥挤距离不能有效表达个体局部分布性的问题,算法采用个体与相邻个体之间的距离乘积来替代拥挤距离,拥挤积距能有效表示个体的局部密度和局部分布性。通过标准测试函数的仿真实验并与多个采用单变异策略的经典算法比较,新算法在收敛性和分布性方面表现更优。

多策略自适应变异的差分进化算法及其应用

针对传统DE算法在求解复杂函数时会出现早熟收敛、收敛精度低、收敛速度慢等缺陷,提出了一种多策略自适应变异的差分进化算法MsA-DE。将3种变异策略两两结合,随机分配所占比重,以增加种群的多样性;通过引入进化程度阈值,自适应地选择最合适的变异策略,平衡算法的全局搜索和局部搜索能力;对越界的变异个体进行处理,保证种群的多样性和有效性。加入扰动机制提高算法跳出局部最优的能力,同时提高最优解的精度。将该算法用于14个测试函数的优化中,结果表明,MsA-DE算法与其它4种算法相比具有更高的收敛精度和跳出局部最优的能力。将该算法应用于铁路功率调节器RPC的容量优化问题中,结果表明,该算法能够减小RPC补偿装置的容量,提高装置的经济性。

基于分组策略的多目标三维装箱算法

目的针对现有三维装箱算法优化目标单一、优化效率低的问题,提出适用于求解大规模货物装载问题的多目标装箱算法,以提高装箱规划效率,确保货物运输安全。方法考虑5种现实约束条件,以体积利用率和装载垛型重心偏移量为优化目标,建立多目标货物装载优化模型。采用拟人式装箱对货物进行预分组,减小决策空间,然后结合分组信息与装箱算法生成初始解;引入数据驱动的装箱交叉算子提高算法收敛性;设计多策略变异算子提高算法结果的多样性。结果以公共数据集和真实航空货物数据作为实验数据进行实验。实验结果表明,在满足多种约束条件下,集装箱装载强异构货物平均体积利用率达到92.0%,重心位置空间偏移从20 cm减少到7.5 cm,并且算法运行时间减少了73.5%。结论本文所提算法应用于求解大规模多目标三维装箱问题,提高了装箱质量和效率,可为三维装箱算法的工程应用提供参考。

机械臂逆运动学的带修复策略自适应差分进化求解

在保证机械臂运动学逆解位姿精度的前提下,为了减小机械臂关节角整体的运动量,提出了基于带修复策略自适应差分进化算法的逆运动学求解方法。以7自由度冗余机械臂为研究对象进行了问题剖析。以末端执行器位姿精度为约束,以关节角整体运动量最小为目标,建立了带约束的优化模型。在差分进化算法中引入了多种变异策略,并给出了多变异策略的自适应选择方法,提高了算法的优化能力。针对约束条件,设置了带伸缩因子的修复策略,使解在非可行域时能够伸缩到可行域内。经验证,带修复策略自适应差分进化算法求取的运动学逆解能够满足位姿精度约束,且减小了逆解的关节角整体运动量,验证了本文算法在机械臂逆运动学求解中的优越性。

基于差分进化机理优化的PID控制的AVR系统

在现代电力系统工程中,电力系统的动态稳定已成为目前一个极具挑战性的问题。同步发电动机励磁控制是加强电力系统稳性和保证电力质量的最重要的装置,但它的转子与其他部分之间的机电耦合会产生类似阻尼系统中出现的弹簧式的振荡现象。对此,提出一种基于差分进化机理优化的PID控制的自动电压调节系统。首先将多变异策略和优劣淘汰机制引入到差分进化算法中,然后由新的差分进化机理调节PID参数,从而实现由PID自适应地控制自动电压调节系统的目的。仿真结果表明了该调节系统的可行性,同时它比其他系统具有更好的动态响应性能。