發(fā)布時間：2024-05-18 12:49

　　差分進化算法(Differential Eveolution,DE)的收斂性理論是進化算法研究中的一個重要課題,DE的收斂性機理在幾何上通常有兩種形式:一個是離散編碼的種群個體的積木塊原理或種群進化原理;另一個是連續(xù)編碼的種群個體的積木塊原理或種群進化原理.本論文在前人研究基礎(chǔ)上對DE算法的收斂性機理、DE算法蘊含在進化區(qū)域中的拓撲結(jié)構(gòu)、種群個體的量子性質(zhì)等方面進行了研究,同時還研究了改進的DE算法在數(shù)據(jù)處理方面的應用.具體研究內(nèi)容如下:一、研究了DE算法在實空間中種群個體進化的模式集定理,即設C是R中的完備空間,種群特征函數(shù)fε(Xi)在完備空間中連續(xù),且攝動變量(P-ε)條件下微分方程的迭代格式是一致收斂的,對種群個體進行實數(shù)(或整數(shù))編碼,則在DE相關(guān)算子操作作用下,具有較低模式集階、較短模式集距、較高適應度函數(shù)值的模式集的生存數(shù)量,隨種群迭代將增加收斂趨勢.二、探究DE算法蘊含在含參數(shù)β的Hilbert空間上的收斂性與最優(yōu)點的量子性質(zhì),建立了P-ε條件下高階微分方程的控制收斂迭代格式,分析了DE算法蘊含在Hilbert空間中的三種拓撲結(jié)構(gòu):單點拓撲異構(gòu)、分支拓撲異構(gòu)、離散拓撲異...

【文章頁數(shù)】：93 頁

【學位級別】：碩士

【部分圖文】：

圖３?Ｐ瓦—算法對豸丑１數(shù)據(jù)的收斂性集成??由圖可知，通過對Ｃ／Ｃ７機器學習數(shù)據(jù)進行二維降階分析，發(fā)現(xiàn)ＣＬ４、ｉＶｉｌｆＪ、ＡＲ／三??

?１?１???１?１?１??－１?－０．５?０?０．５?１?１．５?２?－０．５?０?０．５?１?１．５?２??（ｉ）?（ＡＲＩ００１）?（ｊ）?（ＡＲＩ００２）??２ｒ?１．８?－??－０．５?１?１?１?１?－０．２?一?１?、？?．一?＇?１?１??－１?－０．５?０?０，....

本文編號：3976955