DE算法简要介绍.ppt_第1页
DE算法简要介绍.ppt_第2页
DE算法简要介绍.ppt_第3页
DE算法简要介绍.ppt_第4页
DE算法简要介绍.ppt_第5页
已阅读5页，还剩5页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

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算法和随机搜索算法 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
人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论