全文总字数：3670字

1. 研究目的与意义及国内外研究现状

差分进化（differential evolution，de）算法是由storn和price于1995年提出的一种基于群体差异的全局优化算法。de算法在提出之初主要采用实数编码，因此一般用于求解实数优化，并且已在解决连续域最优化问题上得到了广泛和成功的应用。但是在差分进化算法被应用于解决最优化问题之前，其控制参数与变异策略应该被预先设定，然而尤其当最优化问题是高纬度且未知时，决定参数与策略会增加时间消耗并且更加困难。

本论文中研究的基于离散变异控制参数的自适应差分进化算法目的就是解决以上问题，该算法能够在整个进化过程中使它的变异控制参数自动适应该过程而不需要预先设置特定的参数与策略，因而也具备实时性的特点,从而使算法有更高的效率、更高的精度和更少的计算量。

该算法的研究意义主要在于能够解决某些工业问题，尤其是包含了约束最优化问题、多目标最优化问题以及动态最优化问题的复杂化学过程的条件最优化，同时能够在已有的前人研究的算法中实现自适应价交叉略。

国内外研究现状

liu和lampinen在2005年提出了模糊自适应差分进化算法，即fade算法，这个算法使用了模糊逻辑控制器自动生成合适的控制参数，仿真的结果显示fade算法的效果比最初的de算法在大多数的测试功能上更佳。zhang和sanderson在2009年提出了一种新型差分进化算法，即jade算法，它使用了一种新变异策略和适应性控制参数（控制参数分别为f和cr），结果显示它在解决多方面基准功能有更好的最优化效果。zaharie在2002年提出了一种适应性差分进化算法，即ade算法，在这个算法中，控制参数f和cr与总体多样性相适应。salman,engelbrecht和omran在2007年提出了一种自适应差分进化算法，即sde算法，其中控制参数f和cr是由常规分布随机选择并且该算法应用了环邻接拓扑结构。试验结果显示在所有的被比较的差分进化算法中，自适应差分进化算法的总体效果最佳。在2011年，ghosh,das,chowdhury和giri提出了适应度适应性的差分进化算法，即fiade算法，其中自适应控制参数根据个体的目标功能值获得。islam等人在2012年提出一种差分进化算法变种，即mde_pbx算法，该算法使用了一种新型变异策略以及一种改进的交叉方案和控制参数改良方案。试验结果显示mde_pbx算法优于其他差分进化算法变种。pan,suganthan,mallipeddi等人在2011年提出了一种带有自适应试验向量代策略和控制参数的差分进化算法，即sspde,该算法主要实现基于总体进化的变异策略和控制参数适应。mallipeddi等人同年提出了一个带有差分进化算法变异策略和控制参数的集合，即epsde算法，在该算法中，控制参数f和cr已经被初始化，同时变异策略自动地适应于竞争。wang等人在2011年提出了复合差分进化算法，即code算法，它将三种变异策略与三种固定的控制参数设定随机组合，结果显示code算法对于解决多种最优化问题是一个很有希望的优化工具。

此外，很多的研究人员开始关注差分进化算法的总体大小，在2005年和2006年，teo首都实现了一种自适应总体大小的方法。2009年，teng等人提出了一种基于总体大小的差分进化算法，该算法使用了绝对编码与相对编码。绝对编码是指将总体大小的均值作为新的总体大小值，相对编码是指将相对的总体增长率适应于总体大小值。tirronen和neri在2009年提出了一种根据适应度差异而定的总体大小的改编算法，此外，控制参数f和cr能够基于总体差异自适应地调整。mallipeddi和suganthan在2009年提出了一种带有并行总体集合的差分进化算法。brest和mauc ˇec在2008年提出了一种针对差分进化算法总体大小的新型降低机制，该算法的总体大小会在进化过程中逐步减少。piotrowski，napiorkowski和kiczko在2012年提出了一种带有分离群组的差分进化算法，即de-sg算法，该算法使用了两种不同的变异策略，总体被分为更小的群组。

2. 研究的基本内容

（1）确定控制参数与变异策略

根据已有的文献对了解各控制参数的作用以及变异策略的特性，选择并优化控制参数和变异策略，从而设计与de算法相符合的控制参数与相应的策略。.

（2）设计算法

在确定了所需的离散控制参数与变异策略之后，根据对算法结果的预估设计各个模块，若有需要可适当地优化算法界面，增强人机交互。

3. 实施方案、进度安排及预期效果

2015年11月~12月：资料收集，完成任务书和开题报告，熟练并掌握差分进化算法

2016年1月~2月：学习自适应方法与各种搜索机制，并完成算法设计

2016年3月~5月：在相应的函数测试，并与原算法的性能比较，设计出一种更优化的算法

4. 参考文献

[1] 薛羽，庄毅，顾晶晶，常相茂，王洲. 自适应离散差分进化算法策略的选择.软件学报，2014，25(5):984-996.http://www.jos.org.cn/1000-9825/4448.htm

[2] 孔祥勇，高立群，欧阳海滨，邵煜博. 双向随机多策略变异的自适应差分进化算法[j].计算机集成制造系统，2014，20(8)

[3] 张雪霞，陈维荣，戴朝华. 带局部搜索的动态多群体自适应差分进化算法及函数优化[j].电子学报，2010(8)

[4] 汪慎文，张文生，丁立新，谢承旺，郭肇禄. 差分进化算法中参数自适应选择策略研究[j].计算机科学，2015，42(11)