基于改进差分进化算法的给水管网优化设计
文件大小:0.74MB
格式:pdf
发布时间:2013-12-20
浏览次数:次
【中文关键词】 | 给水管网优化 改进差分进化 IDE   |
【摘要】 | 针对给水管网优化设计问题存在高度非线性、约束性及离散组合性,引入改进差分进化(IDE)算法对其进行求解。 |
【部分正文预览】 | 给水管网优化问题实质是寻找一组最佳管径组合,在满足用水需求及节点水头约束的情况下使得管网造价最低。从数学角度来看,由于给水管网优化问题具有高度非线性、约束性、多峰性及离散性等特点,因此是一个典型的NP ( NondeterministicPolynomial) 难问题[1]。针对此问题,Dandy 等、Savic 和Walters先后将基本遗传算法及改进算法应用到其中进行求解,得到了较为满意的结果。随后,许多其他智能优化算法也被应用到管网优化中,如蛙跳算法、蚁群算法、粒子群算法、蜂群算法等。差分进化( Differential Evolution,DE) 是Storn 和Price 于1995 年为解决Cheyshev 多项式而提出的一种新的进化计算技术,其实质是基于实数编码的具有保优思想的贪婪遗传算法[6],因其算法机制简单,全局搜索能力和收敛鲁棒性好,近年来被广泛应用于给水管网优化中。 然而,作为一种基于种群的寻优方法,与其他智能优化算法( 如遗传算法) 一样,当问题复杂度较高时,DE 算法也会出现搜索效率不高,易早熟收敛,陷入局部最优的问题。为此,许多学者做了大量工作,如基于种群适应度方差自适应二次变异的差分算法( ASMDE) ,带局部搜索动态多群体的自适应进化算法( DMSDELS) ,紧凑型差分进化算法( CDE)等。上述改进方案多是从不同角度利用种群分布情况分析改进算法,一定程度上提高了DE 算法的搜索效率,但这些算法需要进行种群多样性评估,在种群信息上的研究直接导致了算法对适应度函数计算量的相对增加。
因此,本文对DE算法的变异策略和操作算子进行改进,提出了一种改进差分进化算法( IDE) ,以提高DE 算法全局搜索能力和搜索效率。 |
|
||
【打印本页】 |
|