DE算法简要介绍.ppt

差分进化（DE）算法 概要 DE算法介绍 基本算法 算法特性 主要应用 差分进化算法的介绍 在1996年，Storn和Price提出了微分进化算法，它是以随机多维数据为基础的优化算法 通常情况下，DE算法用于优化实时参数以及实值可测的函数 DE算法的一般公式为： 对于目标函数 可行域X为非空集合，目标为找到 其中， 差分进化算法的使用背景 在工程学、统计学和金融学等领域，全局优化是必需解决的问题。然而，许多实际问题具有其客观应用背景，其函数为不可微的、非连续的、噪音高的、平坦的、多维的，或者是具备局部极小值、局部约束或随机性的。如果不能够求解，这样的问题将难以解决。 而DE算法，对于此类问题给出了近似解的解决方案。 进化算法简介 一般的进化算法包括以下部分： 进化算法的流程也包括了遗传算法（GA），进化策略（ES）和进化规划（EP） 差分进化算法迭代方式 1.初始化 输入进化参数：种群规模N，交叉概率Pc，交叉因子F∈（0,1），进化代数G，自变量的上下界，随机初始种群： 2.评价 计算 3.繁殖重组 对种群中的每个个体 ，随机生成三个互不相同的随机整数 随机整数 差分进化算法迭代方式 产生子代 4.选择 如果 满足终止条件就输出具有最优个体，如果不满足终止条件，就返回第二步，继续评价并重组。 差分进化算法特性 DE算法与PSO算法相比，计算能力更强，但是收敛速度慢，DE算法不易陷入局部最优解，比PSO算法的参数依赖性弱 与传统GA算法相比，DE采用实数而非二进制编码，精英保存策略更为明显，不会出现更差个体取代父代个体 DE算法在大范围内是有效的，但是尚未被证明收敛 在某些情况下，DE算法的收敛速度和精确度高于模拟退火算法（SA）、GA算法和随机有哪些信誉好的足球投注网站算法、进化规划算法 差分进化算法主要应用 数字滤波器设计 智能优化路径设计 商业模型最优化 工业过程优化 Thank youfor your attention!