协同学习差分进化算法及在双转向机构优化中的应用

摘要：

根据齐次坐标变换法推导了双转向机构转向分析数学模型,然后采用差分进化(DE)算法求解该模型.针对基本DE算法可能出现早熟或收敛速度慢的问题,提出一种基于协同学习机制的差分进化(CLDE)算法.该算法采用两个子种群,每个子种群采用不同的变异策略,利用局部极值判断机制确定早熟收敛种群;针对早熟收敛种群,利用精英种群映射策略向精英种群进行映射学习,实现子种群间的信息交流;若不存在精英种群,则在自身种群内采用自适应高斯扰动策略实现自我调整.函数测试结果表明,CLDE优化精度更高、速度更快、稳定性更好.将该算法用于机构优化问题,结果表明,与基本DE算法、随机变异差分进化算法(RMDE)、多种群自适应差分进化算法(ADEMP)相比,CLDE的最优适应度值分别降低13.83％、8.33％和6.25％,且表现出了较好的稳定性和收敛性.

关键词：双转向机构、精英种群映射、自适应高斯扰动

所属期刊栏目：19

分类号：U463.45(汽车工程)

资助基金：国家科技部重点研发计划项目2016YFD0700900

在线出版日期：2019-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：322-329