發(fā)布時間：2024-04-22 18:44

　　師法自然特別是生物進化原理的進化算法,在處理復雜、非線性優(yōu)化問題方面具有突出的全局尋優(yōu)能力。作為一種較先進的進化算法,差分進化算法簡便易行且性能較好,適用于求解全局優(yōu)化問題,因而得到了廣泛的研究和應用。但是其控制參數(shù)的設置會在很大程度上影響算法性能,現(xiàn)行的經(jīng)驗/實驗選擇方式耗時耗力且效果不佳；同時,該算法處理大規(guī)模復雜問題的能力還較弱。如何設置合適的控制參數(shù)確保差分進化算法的性能穩(wěn)定,以及如何顯著提高其處理大規(guī)模復雜問題的能力,都是亟待研究和解決的問題。此外,進化設計已在可逆邏輯綜合這一重要的新興研究領域獲得了初步的成功應用,但其優(yōu)化程度尚需顯著提高,因而亟需面向可逆邏輯進化設計研究和應用改進的差分進化算法。 本文在系統(tǒng)地討論和研究進化算法特別是差分進化算法的基本原理和算法要點的基礎上,為了提高差分進化算法性能,從多角度入手,提出了種群自適應調整的差分進化算法；并進一步利用協(xié)同進化思想提高其處理大規(guī)模優(yōu)化問題能力；最后提出和驗證了基于多目標差分進化的可逆邏輯綜合方法。本文的主要貢獻在于： 1.提出了種群自適應調整的差分進化算法。在系統(tǒng)研究差分進化算法的基礎上,針對種群規(guī)模對算法性能的影...

【文章頁數(shù)】：135 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
目錄
第一章 緒論
    1.1 研究背景和意義
    1.2 主要研究內容及創(chuàng)新點
    1.3 論文研究思路及結構安排
        1.3.1 論文研究思路
        1.3.2 論文結構安排
第二章 進化計算簡介
    2.1 引言
    2.2 進化計算
    2.3 差分進化算法
        2.3.1 差分進化算法基礎
        2.3.2 差分進化算法的改進研究
    2.4 協(xié)同進化算法
        2.4.1 協(xié)同進化算法的基礎
        2.4.2 協(xié)同進化算法的發(fā)展
    2.5 多目標進化計算
        2.5.1 多目標優(yōu)化基礎
        2.5.2 主要的多目標進化算法
    2.6 小結
第三章 可逆邏輯綜合基礎
    3.1 引言
    3.2 可逆計算
    3.3 可逆函數(shù)
    3.4 可逆邏輯門
        3.4.1 一位可逆邏輯門
        3.4.2 2*2可逆邏輯門
        3.4.3 3*3可逆邏輯門
    3.5 可逆邏輯綜合
        3.5.1 可逆邏輯綜合
        3.5.2 可逆邏輯綜合方法及發(fā)展
    3.6 小結
第四章 種群自適應調整的差分進化算法
    4.1 引言
    4.2 JADE算法
    4.3 種群自適應調整的差分進化算法
        4.3.1 進化策略選擇器
        4.3.2 種群規(guī)模調整機制
    4.4 實驗與結果
        4.4.1 測試函數(shù)
        4.4.2 參數(shù)設置
        4.4.3 算法綜合性能比較分析
        4.4.4 收斂速度和達優(yōu)率的比較
        4.4.5 與ATPS相比較
        4.4.6 SapsDE時間復雜度分析
        4.4.7 參數(shù)設定研究
    4.5 小結
第五章 協(xié)同自適應差分進化算法
    5.1 引言
    5.2 相關研究
    5.3 協(xié)同自適應差分進化算法
        5.3.1 分組調節(jié)方案
        5.3.2 最優(yōu)合作算子保留方案
    5.4 實驗結果和討論
        5.4.1 測試函數(shù)
        5.4.2 參數(shù)設定
        5.4.3 與其他適應性差分進化算法變體的比較
        5.4.4 與協(xié)同差分進化算法的比較
        5.4.5 CoSaDE中各策略的作用
    5.5 小結
第六章 基于多目標差分進化的可逆邏輯綜合
    6.1 引言
    6.2 多目標協(xié)同差分進化算法
        6.2.1 離散差分進化操作
        6.2.2 種群更新方案
    6.3 基于多目標差分進化的可逆邏輯綜合
        6.3.1 門器件庫
        6.3.2 門級陣列結構模型
        6.3.3 編解碼方案
        6.3.4 多目標綜合適應函數(shù)
        6.3.5 修復及簡化方法
        6.3.6 基于多目標差分進化的可逆邏輯綜合方法的實現(xiàn)
    6.4 實驗及結果
        6.4.1 結果對比分析參數(shù)設定
        6.4.2 測試結果
        6.4.3 結果對比分析
    6.5 小結
第七章 總結與展望
    7.1 總結
    7.2 展望
參考文獻
攻讀博士學位期間發(fā)表和投稿的論文
致謝



本文編號：3962113