外文翻譯--差分演化的最新進(jìn)展：一項調(diào)查和實(shí)驗(yàn)分析(中文(編輯修改稿)
2025-06-26 07:05 本頁面
【文章內(nèi)容簡介】 的應(yīng)用。在 Chang and Chang (2020), Su and Lee (2020),和 Chiou et al. (2020)給出了差分演化在電力電子中的應(yīng)用。在 Wang and Jang (2020) 中給出了差分演化在化學(xué)工程中的應(yīng)用。在 Liu and Lampinen(2020) 中給出了 一個差分演化變體用于訓(xùn)練徑向基函數(shù)網(wǎng)絡(luò)。在 Storn (2020),Karaboga 和 Cetinkaya (2020, 2020) 中用差分演化設(shè)計了一個濾波器。在 irronen et al. (2020, 2020)中給出了一個基于差分演化算法來實(shí)現(xiàn)工業(yè)應(yīng)用中數(shù)字濾波器的設(shè)計。 在 Koh (2020)中給出了一個應(yīng)用于公路網(wǎng)的容量優(yōu)化的應(yīng)用。在 Plagianakos (2020)中給出了差分演化應(yīng)用的綜 述。 從算法都角度看，在 Feoktistov (2020)中強(qiáng)調(diào)了差分演化成功的原因：由于這個算法結(jié)構(gòu)包含了隱式自適應(yīng)。具體來說，因?yàn)閷τ诿總€候選方案 ,搜索規(guī)則取決于屬于其他群體的解決方案（如 xt， xr和 xs）。檢測 新的有前途的后代的解決方案的能力取決于決策空間中溶液中的電流分布。在優(yōu)化過程中的早期階段，解決方案往往是散布在決策空間。對于一個給定的尺度因子的值，這意味著這種突變似乎由一個大的探索空間產(chǎn)生新的解決方法。step size (如果 xr 和 xs是相差很大的解決方案， F(xr?xs)是一個向量 ,其特征是有一個模數(shù)。在優(yōu)化過程中 ,解決方案的個體往往集中在特定的部分決策空間。因此，突變步長在逐步減少，搜索在解的鄰域進(jìn)行。換句話說 ,由于它的結(jié)構(gòu) ,一個差分演化方案在開始進(jìn)化時是有高度利用價值的的，隨后在優(yōu)化中變得更加有利用價值。 雖然這種機(jī)制似乎乍一看非常有效 ,然而它隱藏了一個限制。如果由于一些原因在算法產(chǎn)生后代解決方案時沒有成功 ,即沒有超越相應(yīng)的父 ,搜索是重復(fù)類似的步長值，可能會失敗 ,陷入一個無奈的停滯狀態(tài)。停滯發(fā)生在一個以群體為基礎(chǔ)的算法不收斂到一個值而且群體的多樣性很大。在差分演化 的情況下，停滯發(fā)生在算法無法改善任何解決延長代的方案。換句話說，差分演化的主要缺點(diǎn)是，該方案在優(yōu)化過程中的每個階段存在有限數(shù)量的探索性舉措 ,如果這些措施并不足以產(chǎn)生新的有前景的解決方案 ,搜索會被嚴(yán)重破壞。在 Zaharie (2020)中給出了一個收斂屬性的差分演化的理論分析。這項研究允許定義一個關(guān)鍵價值的比例因子 ,即給定值的 Spop和 CR,比例因子 F不應(yīng)該小于 : 很明顯 ,成功應(yīng)用一個差分演化取決于上面提到的三個控制參數(shù)的設(shè)置，種群規(guī)模的量spop與可能的運(yùn)動向量有關(guān)。在所有可能的行動所帶來 的群體 ,一些動作在尋找最佳方案時是有益的 ,而另一些則是無效的 ,結(jié)果導(dǎo)致在計算工作量上的浪費(fèi)。因此 ,種群規(guī)模過小也可以包含有限數(shù)量的舉動 ,而一個太大的種群規(guī)?？赡馨罅康臒o效的動作有可能誤導(dǎo)搜索。在某種程度上，差分演化的群體規(guī)模類似于其他進(jìn)化算法。如果太小，可能會導(dǎo)致過早收斂，如果太大，它可能會導(dǎo)致停滯。一個好的價值可以通過考慮與其他進(jìn)化算法常用問題類似的東西的維數(shù)來找到。在 Storn and Price (1997)中給出了指導(dǎo)
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1