第2章 改進的組合差分進化算法

本章對組合差分進化（CoDE）算法的改進和應用進行了研究。從生成策略和控制參數兩方面對CoDE算法進行了修改，本章提出了兩種CoDE算法的修改版本MCoDE和MCoDE-P，并利用測試函數對兩種修改版本的改進性能進行了檢驗，結果證明了MCoDE方法的有效性。針對自適應神經模糊系統（Adaptive Network-based Fuzzy Inference System，ANFIS）建模問題，本章提出了一種用留一交叉驗證（Leave-One-Out Cross-Validation，LOO-CV）方法來優化ANFIS的結構、用MCoDE來學習ANFIS的前后參數的新方法，并將其應用于實際的表面粗糙度預測建模，實驗結果顯示，本章所提算法建立的模型的泛化能力更好，能提高銑削過程表面粗糙度的預測精度。