基于最大差异选择算法的代表性海况选取

数值模拟及物理模型试验是研究近岸波浪的重要方法。在实施数值模拟和物理模型试验前,需要根据近岸波浪特征确定入射波浪要素。近岸波浪往往是由混合浪主导的,包含多个独立的波浪系统,每个波系都需用多个波浪特征参数进行描述,因此实现多波浪系统的代表性海况的选取具有重要意义。首先介绍了数据挖掘算法,随后根据汉班托塔港的实测波浪数据,运用最大差异选择算法(MDA)分别选取了二维、三维以及多维特征参数描述下的代表性波浪条件。结果表明,对于可进行人为筛选的二维波浪特征参数,MDA算法的筛选结果优于人工筛选结果。在三维及多维波浪特征参数条件下,MDA算法选取的代表性海况在数据空间上分布均匀,具有较高的代表性,证实了MDA算法适用于选取混合海况下的代表性波浪特征参数。

基于色度分布差异性的唇部检测算法

为使唇读系统准确定位唇部图像,对彩色人脸图像的肤色和唇色进行了色度分布研究.利用直方图分析R、G、B色度分量在肤色和唇色中的分布特性,在此基础上提出了一种唇部检测算法.该算法同时考虑G、B分量以及R、G分量的分布差异,并将两种差异相互加强用于唇部判别.通过2组实验验证了算法效果.将提出的算法和Red Exclusion算法进行比较,结果表明,该方法在有效性、鲁棒性以及不同人种的肤色支持等方面有明显的改进.

基于混合差异进化优化算法的电力系统无功优化

无功优化是电力系统实现电压和无功功率最优控制和调度的基础,阐述了一种基于混合差异进化算法的新无功优化方法。混合差异进化算法是一种直接随机搜索方法,由在当前种群中随机采样的个体之间的基因差异来驱动,且为缩短计算时间、避免陷入局部最优,在算法中嵌入了加速操作和种群迁移操作。将该无功优化方法在IEEE 30节点系统上进行了校验,并与基于其他算法的无功优化方法进行比较,仿真结果表明该算法具有收敛速度快、鲁棒性好、计算精度高的优点。

基于差异进化算法反演参数的隧道稳定性分析

在隧道和地下工程弹性问题的位移反分析中,当基本未知数多于三个时,在各参数可能的变化范围内找到一组使误差最小的最佳参数的优化反分析方法是当前岩土工程反分析研究的热点问题。论文结合一种新型的优化算法(差异进化算法),依托摩天岭1#斜井隧道工程施工,跟踪施工进行了典型断面围岩位移监测,以现场量测位移作为基础信息求得了斜井隧道全局最优值的最佳力学参数组合。根据以上采用差异进化算法求得的反演参数,对摩天岭1#斜井隧道单层衬砌支护稳定性进行了三维数值模拟分析,分析表明,摩天岭1#斜井隧道III级围岩段喷15 cm厚钢纤维混凝土支护后,斜井隧道围岩最小应力明显降低,围岩位移明显减小,因此建议摩天岭1#斜井洞身段III级采用15 cm厚度的钢纤维喷射混凝土单层衬砌。以上研究直接指导了摩天岭隧道单层衬砌设计和施工。

基于差异演化算法的高速储能飞轮形状优化设计

采用差异演化算法对高速储能飞轮的形状进行优化,以实现储能飞轮具有最大的质量能量密度,并且以在高速旋转的状态下满足强度要求为设计目标。针对差异演化算法进化速度依赖种群个体差异的特点,提出权重因子随种群聚集度变化而变化的策略,并增加混沌变异操作,以提高算法跳出局部最优的能力。构建了仿真优化程序,通过Visual C++6.0调用通用有限元软件ANSYS来计算飞轮的应力分布。通过优化计算得到了满足强度要求的质量能量密度最大的飞轮形状,与同质量的圆盘飞轮相比,转动惯量提高了28.39%。

基于差异演化算法的动压滑动轴承多目标优化

为研究流体动压轴承的多目标优化问题,提出一种改进多目标差异演化算法。该算法在选择差分向量时,对产生差分向量的两个个体比较其优劣,用非支配解减去支配解,引导个体向非劣解进化,提高算法的收敛速度;其次提出了种群修剪策略,消除进化后期种群中相同个体引起的种群全局搜索能力下降的缺点,以提升算法的全局寻优能力。通过与其它算法的比较,发现该算法能有效避免'早熟'收敛,具有较好的收敛速度和多样性。工程实例求解结果表明了算法的工程可行性。

基于多目标差异演化算法的并联机构结构优化

针对并联机构优化设计的复杂性,建立了多目标优化模型,并使用多目标差异演化算法(MODE)对模型进行了求解。在MODE中,使用改进的快速排序法构造外部种群,基于动态聚集距离对外部种群进行削减,使用随机排序法处理约束问题。以3-TPT并联机器人机构的工作空间和速度全域性能为目标建立了多目标优化模型,利用蒙特卡洛方法对两个目标进行了定量评价,并使用MODE实现了模型求解。多目标优化模型的建立对其他并联机构具有借鉴意义。实验结果也表明MODE是一种行之有效的多目标求解算法。

差异演化算法在Van Genuchten方程参数优化估计中的应用

描述土壤水分特征曲线的Van Genuchten方程是一非线性方程,采用传统的方法对方程参数进行估计往往因为计算复杂而使估计结果带有较大的误差。差异演化算法是一种简单、有效的新智能进化算法,因此,文章用该算法对Van Genuchten方程的参数进行优化估计;结果表明,差异演化算法在Van Genuchten方程参数估计应用中,表现出求解速度快、计算精度和自动化程度高、通用性强等优点,可作为计算Van Genu-chten方程参数的一种新方法。

用模拟退火差异进化算法进行匹配场反演

分析了模拟退火算法与差异进化算法单独应用于匹配场反演时的局限性,构造一种结合两种算法优点的混合算法。模拟退火算法对差异进化算法的种群进行扰动,保留了差异进化算法的并行特性;在差异进化算法中引入模拟退火算法的重要性抽样思想,增强其逃离局部最优的能力,差异进化算法对目标函数梯度信息的利用仍然保留。仿真研究表明,混合算法在寻优时间与效率上达到了较好的平衡。

二进制编码差异演化算法在Agent联盟形成中的应用

在多Agent系统中,通过形成联盟可以提高Agent求解问题的能力,因此,联盟是多Agent系统的重要合作方法.从本质上讲,Agent联盟的形成是一个复杂的组合优化问题.引入差异演化算法来解决这一问题.差异演化是一种基于群体差异的演化算法,适合于求解连续空间的最优化问题.首次将以实数编码的差异演化算法应用于Agent联盟问题,提出二进制编码的差异演化算法解决组合优化问题,通过引入S型函数把变异操作的结果限制在集合{0,1}上,可以快速、高效地找出合适的Agent联盟.与遗传算法和蚁群算法的对比实验表明,该算法是正确、有效、可行的,在运行时间和解的性能上都优于相关算法.

基于差异进化算法的前馈神经网络在大坝变形监测中的应用

针对当前大坝安全监测中广泛采用的回归模型欠拟合的不足,提出了基于差异进化算法的前馈神经网络模型。差异进化算法是基于种群策略的全局优化搜索算法,具有应用简单、收敛快的优点。采用该法训练的神经网络可以有效避免常规BP(back propagation)神经网络收敛于局部极小点的缺陷。将提出的方法应用于某拱坝的变形监测,通过计算表明,应用DE(differential evotntion)神经网络模型预报大坝变形的精度比常规回归模型和BP神经网络模型均有所提高。

基于混合编码的差异演化算法解0-1背包问题

针对典型的一类NP完全问题——背包问题,提出一种混合编码的差异演化求解方法。该方法基于差异演化算法框架,采用混合编码机制,每个决策变量均由一个实数和一个二进制数的组合表示。利用新定义的映射算子,构建混合编码的种群;增加边界约束处理算子,确保变异算子计算结果满足边界约束条件;利用新定义的丢弃算子对于不可行的装包策略进行修正。通过数值仿真实验,将该方法与遗传算法、二进制差异算法的计算结果比较分析,表明该算法求解背包问题的有效性与适用性。

基于差异进化算法的围岩参数识别

引入了一种新型智能优化算法差异进化优化算法,建立采矿巷道围岩参数的识别方法.基于正交设计和均匀设计方案进行巷道开挖的数值试验,建立围岩力学参数与监测位移的映射关系回归模型.以计算位移和监测位移的误差为适应值,采用差异进化优化算法进行参数识别.在探讨差异进化算法原理和参数识别步骤基础上,将该方法应用于金山店铁矿进路巷道分析.分析结果表明该算法具有优良的全局快速收敛性,是具有较强适应性的新型巷道参数识别方法,具有良好应用前景.

基于Boltzmann机制的双子代竞争差异演化算法

差异演化（differential evolution，DE）是Storn和Price（Technical ReportTR-95-102，International Computer Institute，Berkely，1995）提出一种基于个体差异重组思想的演化算法，适合于求解连续空间的最优化问题．和其它演化算法相比，差异演化算法在求解非凸、多峰、非线性函数优化问题时表现出极强的稳健性，且在同样的精度要求下，算法收敛的速度快,但过早收敛和陷入局部最优是包括差异演化在内的演化算法面临的一个重要问题,提出一种基于Boltzmann生存机制的双子代竞争差异演化算法,为避免算法过早收敛，利用交叉操作生成两个新个体以增加群体多样性，然后与父代个体竞争形成子代个体．在选择操作中引入Boltzmann机制，以一定概率接受较差解，使算法能跳出局部最优，最终达到全局最优解．利用Brest et al．（Evdutionary COmputation，2006，10：646-657）中的21个测试函数，分别与标准DE算法、jDE算法进行性能比较．实验结果表明，该算法的平均性能值、最优性能值以及最优解质量都优于标准DE算法和jDE算法．

基于差异进化算法的人工神经网络快速训练研究

神经网络和以遗传算法为代表的进化算法都是仿效生物处理模式来获得智能信息处理功能的理论,其中神经网络已被广泛应用于智能控制系统优化,信号及信息处理、模式识别等领域。而遗传算法则是模拟生物的进化现象(选择、交叉、变异等),来表现复杂现象的一种概率搜索方法,以达到快速有效地解决各种困难问题。由于神经网络和遗传算法目标相近而方法各异,因此将两种方法相互结合,必能达到取长补短的目的。将近年来提出的遗传算法的一种——差异进化算法DE(DifferentialEvolution)与原有的LM算法相结合,构造了DE-LM算法,并通过实例验证了它具有收敛速度快和不易陷入局部最小的特点。

基于自适应差异演化的模糊聚类算法

在聚类分析中,模糊C-均值聚类(FCM)是一种广泛应用的算法,但由于它是基于梯度下降的,本质上是一种局部搜索算法,容易陷入局部极小值,且对初始值很敏感.本文提出一种基于自适应差异演化的模糊聚类算法(FCBADE),该算法利用差异演化良好的全局搜索能力,在全局范围内寻找最优解的近似解,然后由FCM算法在该近似解的周围进行局部搜索,最终得到全局最优解.同时为减少手工设置控制参数对DE算法的影响,采用自适应方式调整DE算法的控制参数.实验结果表明,该算法不仅有效克服了FCM算法易陷入局部极小值的缺点,而且明显地避免了对初始化选值敏感性的问题,也有较快的收敛速度.

用差异进化算法进行海洋环境参数反演

提出了用差异进化算法进行浅海环境参数匹配场反演 ,利用仿真数据对算法的有效性进行了评估 ,并与遗传算法、模拟退火算法进行了比较 ,最后采用亚洲海实验 ( ASIAEX2 0 0 1 )

基于粒子群-差异进化混合算法的电力系统无功优化

针对传统粒子群算法中收敛速度快但易于陷入局部最优等特点,将差异进化算法与粒子群算法相结合,提出了一种粒子群-差异进化混合算法。该算法在粒子寻优过程中除跟踪个体极值和全局极值外,还跟踪粒子差异进化产生的第三个值;同时,当粒子在某一维上的速度小于给定值时,将重新初始化该维度粒子速度。建立了无功优化数学模型,并将合算法应用到无功优化中。通过MATLAB编程对IEEE-30节点系统进行优化计算,并与遗传算法和粒子群算法比较,结果表明本文提出的算法应用于无功优化拥有较快的收敛速度和全局寻优能力,具有广阔的发展前景。

基于差异演化算法的BP神经网络预测模型及其应用

人工神经网络的结构设计没有系统的规律可遵循,而常用的基于梯度的神经网络参数优化又易陷入局部最优解。针对BP人工神经网络所存在的缺陷,结合差异演化算法,提出了实数编码的DE-BP神经网络预测模型。利用税收预测的实例验证了算法的有效性,取得了令人满意的结果。

差异演化算法用于单桩承载力指数曲线模型优化

预测挤扩支盘桩单桩极限承载力的指数曲线模型,其函数表达式是一个复杂非线性方程,采用传统的优化方法对模型参数进行回归处理往往因为计算复杂和人为因素的影响,使得预测结果带有较大的误差。为此,利用混沌(Chaos)的遍历性产生初始群体,并自适应地调整缩放因子和选取差异演化模式,对差异演化(DE)算法进行改进,提出自适应加速差异演化(AADE)算法,并将其用于指数曲线模型参数和理论极限承载力优化中。结合工程实例,对挤扩支盘桩静载荷试验实测数据进行拟合计算与分析,结果表明:与其他方法相比,AADE算法能够更好地拟合实测数据和有效地预测单桩极限承载力,且AADE算法具有求解速度快、计算精度高、算法控制参数设置简便、通用性强等优点。