差分进化算法研究进展

差分进化算法是一类当前较有实力的实参随机优化算法,已成功解决很多实际问题.由于算法结构简单易于执行,控制参数少且有较强的搜索能力,差分进化算法吸引了众多进化算法学者的关注.本文概述了差分进化算法的基本概念,综述了差分进化算法的主要变体,讨论它们的优缺点,并指出下一步的改进方向.     

一种基于精英云变异的差分演化算法

针对传统差分演化算法在演化过程中存在少数个体出现停滞的现象,提出一种基于精英云变异的差分演化算法.该算法在演化过程中统计出每个个体的停滞代数,当一个个体的停滞代数达到指定的阈值时,对该个体执行精英云变异操作,使其向最优个体靠近,从而加快收敛速度;同时以一定的概率对所有个体执行一般反向学习操作,以增加种群的多样性.对比实验结果表明该算法在收敛速度和求解精度上均具有一定的优势.     

一种多策略融合的多目标粒子群优化算法

为提高多目标粒子群算法在解决复杂多目标优化问题中的整体性能,提出一种多策略融合的多目标粒子群算法.该算法采用均匀化与随机化相结合的方式初始化种群,在粒子速度更新中新增一扰动项,运用简化的k-最近邻方法维持档案以及对档案个体赋予生存期属性并动态调整生存期值.实验结果表明,在GD和SP性能指标上,本文算法与另外5种对等算法在ZDT和DTLZ系列测试问题上进行对比,其表现出了总体显著性的性能优势.     

一种增强型多目标烟花爆炸优化算法

现实中多目标优化问题的多样化和复杂化要求发展新的多目标优化算法.在混合多目标进化算法设计思想和新型进化模型的启发下,提出一种增强型多目标烟花爆炸算法eMOFEOA,该算法利用均匀化与随机化相结合的方法生成均匀分布的初始种群,为算法后续搜索提供较好的起始点;对烟花爆炸半径采用精细化控制策略,即不同世代的种群具有不同的爆炸半径,而且同一种群内部因个体支配强度的差异而具有不同的爆炸半径,以节省计算资源;利用简化的k-最近邻方法维持外部档案的多样性.本文算法与另5种对等比较算法一同在12个基准多目标测试函数上进行性能比较,实验结果表明eMOFEOA算法在收敛性、多样性和稳定性上具有总体上显著的性能优势.     

基于 MOMES 的 Hadamard 编码模板的设计方法

长期以来 Hadamard 变换成像光谱技术一直受到编码模板的制约而发展缓慢,然而随着微光机电系统(MOMES)的出现,基于数字微镜器件设计 Hadamard 编码模板为 Hadamard 变换成像光谱技术的发展提供了新的契机.介绍了一种基于数字微镜器件(DMD)的 Hadamard 变换成像光谱仪的物理模型及其 Hadamard 编码模板的设计方法,该方法控制 DMD 将光谱仪的光谱响应范围对应的色散光谱的宽度按照 S 矩阵的阶数等分,在空间上形成循环变化的 Hadamard 编码模版.实验表明光谱仪原理样机取得的光谱曲线与辐射度计取得的光谱曲线相似度很高,有力证明了基于 DMD设计的编码模板对色散光谱的良好调制作用.     

一种自适应的高维目标进化算法AMOEA

提出了一种自适应的高维目标进化算法（Adaptive Many-Objective Evolutionary Algorithm,AMOEA）,新算法具有3个特征：①运用自定义的∑-支配关系指导搜索进程;②采用一种线性增长的方式自适应地调整下一代种群的构成;③将两种改进的密度评估算子整合其中.AMOEA与COGA以及NSGA-Ⅱ算法一起在系列基准测试例上进行了仿真实验,结果表明：一般情况下,AMOEA的收敛性和多样性要优于另两种算法,而且新算法在这两个重要的性能上能够获得合理的平衡,由此表明新算法在高维目标空间中是一种有前途的进化算法.     

一种改进型多目标粒子群优化算法MOPSO-Ⅱ

提出了一种改进型多目标粒子群优化算法(MOPSO-Ⅱ).该算法为粒子群中每个粒子增加一个"扰动向量",以利于粒子跳出局部最优并为粒子的全局最优位置赋予了时限的属性,可防止过于频繁地更新全局最优位置,有利于增强粒子搜索的持效性.该算法改进了粒子越界的处理方法,最大程度上保持粒子优秀的搜索方向.通过典型的多目标测试函数ZDT对该算法进行测试,实验结果表明,带ε-支配的MOPSO-Ⅱ算法在解群的分布性方面要优于使用了拥挤距离机制MOPSO-Ⅱ算法和NSGA2算法,对比实验还表明MOPSO-Ⅱ算法在收敛性方面要优于NSGA2.因此,MOPSO-Ⅱ在求解多目标优化问题上有一定优势,是一种有前途的算法.     

基于DMD的Hadamard编码模板改进设计与光谱数据修正方法研究

介绍了一种基于DMD的Hadamard变换成像光谱仪的物理模型。以7阶S矩阵为例进行论述,通过改进编码模板的设计方案,使所有色散光谱都能被严格编码为7段。提出了一种针对复原后光谱图像的修正方法,以7阶的S矩阵编码,最终可以获得6幅质量较高的光谱图像。如以n阶的S矩阵编码,最终可以获得n-1幅质量较高的光谱图像。实验结果证明了该方案的可行性和有效性。     

采用步进系数校正基于DMD的Hadamard变换光谱数据

数字微镜器件（DMD）代替移动式机械模板作为空间光调制器是Hadamard变换光谱技术的最新发展方向。在实际的工程设计中,投射到DMD上的色散光谱无法被所构造的Hadamard编码模板完美地按照S矩阵进行编码,这一现象将会给光谱反演带来误差。文中提出了一种采用步进系数校正光谱图像的方法,根据像素点在图像上空间位置的不同,在其相应的S编码矩阵中引入一个步进系数进行校正,实验结果表明通过该方法反演得到的光谱图像逼近目标的真实光谱。     

集成两变异策略的差分进化算法

在动态集成差分进化算法中,动态学习机制往往过于复杂且增加计算开销。为此,本文以传统差分进化算法框架为基础,提出集成DE/rand/1/bin和DE/best/1/bin两个优势互补的变异策略并设计动态执行机制,力求简化动态学习机制,且又能在全局搜索和局部搜索中寻找到平衡。实验结果表明:本文提出动态集成两个变异策略的差分进化算法(differential evolution algorithm integrated bi-mutation strategy,DE-BMS)缩放因子F选择为0. 9,交叉概率Cr选择为0. 1,算法具有更好的鲁棒性;与其他差分进化算法的收敛速度、成功次数解质量分别进行比较,DE-BMS在优化多峰函数问题时表现更佳。