當(dāng)前位置：水工業(yè)網(wǎng) > 解決方案 > 基于改進(jìn)差分進(jìn)化算法的給水管網(wǎng)優(yōu)化設(shè)計(jì)
基于改進(jìn)差分進(jìn)化算法的給水管網(wǎng)優(yōu)化設(shè)計(jì)
文件大小：0.74MB
格式：pdf
發(fā)布時(shí)間：2013-12-20
瀏覽次數(shù)：次
| 【中文關(guān)鍵詞】 | 給水管網(wǎng)優(yōu)化 改進(jìn)差分進(jìn)化 IDE |
| 【摘要】 | 針對(duì)給水管網(wǎng)優(yōu)化設(shè)計(jì)問題存在高度非線性、約束性及離散組合性，引入改進(jìn)差分進(jìn)化(IDE)算法對(duì)其進(jìn)行求解。 |
| 【部分正文預(yù)覽】 | 給水管網(wǎng)優(yōu)化問題實(shí)質(zhì)是尋找一組最佳管徑組合，在滿足用水需求及節(jié)點(diǎn)水頭約束的情況下使得管網(wǎng)造價(jià)最低。從數(shù)學(xué)角度來(lái)看，由于給水管網(wǎng)優(yōu)化問題具有高度非線性、約束性、多峰性及離散性等特點(diǎn)，因此是一個(gè)典型的NP ( NondeterministicPolynomial) 難問題［1］。針對(duì)此問題，Dandy 等、Savic 和Walters先后將基本遺傳算法及改進(jìn)算法應(yīng)用到其中進(jìn)行求解，得到了較為滿意的結(jié)果。隨后，許多其他智能優(yōu)化算法也被應(yīng)用到管網(wǎng)優(yōu)化中，如蛙跳算法、蟻群算法、粒子群算法、蜂群算法等。差分進(jìn)化( Differential Evolution，DE) 是Storn 和Price 于1995 年為解決Cheyshev 多項(xiàng)式而提出的一種新的進(jìn)化計(jì)算技術(shù)，其實(shí)質(zhì)是基于實(shí)數(shù)編碼的具有保優(yōu)思想的貪婪遺傳算法［6］，因其算法機(jī)制簡(jiǎn)單，全局搜索能力和收斂魯棒性好，近年來(lái)被廣泛應(yīng)用于給水管網(wǎng)優(yōu)化中。 然而，作為一種基于種群的尋優(yōu)方法，與其他智能優(yōu)化算法( 如遺傳算法) 一樣，當(dāng)問題復(fù)雜度較高時(shí)，DE 算法也會(huì)出現(xiàn)搜索效率不高，易早熟收斂，陷入局部最優(yōu)的問題。為此，許多學(xué)者做了大量工作，如基于種群適應(yīng)度方差自適應(yīng)二次變異的差分算法( ASMDE) ，帶局部搜索動(dòng)態(tài)多群體的自適應(yīng)進(jìn)化算法( DMSDELS) ，緊湊型差分進(jìn)化算法( CDE)等。上述改進(jìn)方案多是從不同角度利用種群分布情況分析改進(jìn)算法，一定程度上提高了DE 算法的搜索效率，但這些算法需要進(jìn)行種群多樣性評(píng)估，在種群信息上的研究直接導(dǎo)致了算法對(duì)適應(yīng)度函數(shù)計(jì)算量的相對(duì)增加。
因此，本文對(duì)DE算法的變異策略和操作算子進(jìn)行改進(jìn)，提出了一種改進(jìn)差分進(jìn)化算法( IDE) ，以提高DE 算法全局搜索能力和搜索效率。 |
|
||
|
【打印本頁(yè)】 |
||
|
