导　　师： 滕弘飞

学科专业： G11

授予学位： 硕士

作　　者： ;

机构地区： 大连理工大学

摘　　要： 协同进化算法(CEA)是人们受自然界生物协同进化现象的启发而提出一种新的优化算法,近年来协同进化算法已逐渐成为进化算法领域的一个重要研究方向,为解决复杂优化问题提供了有效的途径。协同进化算法也是求解工程系统优化问题的一种有效方法,被称为工程系统设计方法,逐渐引起工程领域的广泛关注。协同进化算法基本思想是采用多个种群协同进化,个体适应度的评价通过与其它种群的协同来完成。根据种群间协同关系,协同进化算法分为竞争型和合作型两类。本文主要研究的是合作型协同进化算法(CCEA),合作型协同进化算法求解高维优化问题时显示出了较好的计算性能,但是还存在不足。本文重点研究其中的两个问题：一是如何更好的实现CCEA并行计算,进一步提高CCEA的计算精度和效率；二是针对CCEA求解强耦合问题(尤其是对于不可分问题)能力不足,如何提高其求解强耦合问题的能力。为此,本对协同进化算法及其求解强耦合问题的能力进行了研究,提出了一种并行协同差异进化算法(PCCDE)和一种双系统协同差异进化算法(DCCDE),同时对提高DCCDE求解强耦合优化问题能力进行了研究。论文的主要工作如下：(1)针对合作型协同进化算法求解大规模优化问题需要并行高效的计算,本文基于协同差异进化算法(CCDE)和整体同步并行计算模型(BSP),提出了一种并行协同差异进化算法(PCCDE)。采用改进的Archive协同机制取代了CCDE原有的协同机制,有助于求解系统最优解,基于BSP模型实现了CCDE的并行高效计算。最后经标准测试函数仿真实验结果表明,本算法不仅提高计算效率,而且也提高了计算质量。(2)针对合作式协同进化算法求解耦合优化问题能力不足,本文基于双系统变粒度协同进化算法(DVGCCGA)提出一种双系统协同差异进化算法(DCCDE)。本文算法采用双系统框

关 键 词： 协同进化 差异进化 并行计算 双系统 耦合问题

领　　域： [自动化与计算机技术] [自动化与计算机技术]