【2024年ICIC 】DDQN引导在线学习差分进化算法OLDE附Matlab代码性能实测

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

复杂优化问题的求解面临着搜索空间庞大、局部最优陷阱多等挑战，传统算法在适应性和效率上存在局限。本文提出融合深度强化学习的在线学习差分进化算法（OLDE），旨在高效攻克复杂优化难题。OLDE 借助双重深度 Q 网络（Double DQN）构建并维护神经网络模型，动态选择参数自适应策略，智能调控种群变异与交叉操作；通过实时采集搜索历史数据训练模型，实现持续学习与策略优化；同时设计长期策略削减计算成本，利用自适应优化算子强化全局与局部搜索能力。实验表明，OLDE 在多种复杂优化场景下，相比传统算法收敛速度更快、求解精度更高，为复杂优化问题提供了创新性解决方案。

关键词

深度强化学习；在线学习差分进化算法；双重深度 Q 网络；自适应优化；复杂优化问题

一、引言

在科学研究、工程设计、经济管理等众多领域中，复杂优化问题广泛存在 。这类问题通常具有高度非线性、多模态的特点，搜索空间庞大且存在大量局部最优解，使得传统优化算法如梯度下降法、遗传算法等在求解时面临效率低下、易陷入局部最优等困境 。差分进化算法（Differential Evolution，DE）作为一种高效的进化算法，通过种群个体间的差分变异和交叉操作实现全局搜索，在优化问题求解中展现出一定优势，但在面对复杂问题时，其参数固定、自适应能力不足等问题也逐渐凸显 。

深度强化学习（Deep Reinforcement Learning，DRL）通过智能体与环境的交互学习，以最大化长期奖励为目标优化策略，在解决复杂决策问题上表现卓越 。将深度强化学习与差分进化算法相结合，为复杂优化问题的求解提供了新方向 。本文提出基于深度强化学习的在线学习差分进化算法（Online - Learning Differential Evolution algorithm，OLDE），旨在利用深度强化学习的动态决策与自适应能力，改进差分进化算法的性能，实现复杂优化问题的高效求解 。

二、OLDE 算法原理与架构

（一）双重深度 Q 网络（Double DQN）的应用

OLDE 算法采用双重深度 Q 网络（Double DQN）构建和维护神经网络模型 。Double DQN 通过引入两个结构相同但参数更新不同的网络 —— 评估网络和目标网络，有效缓解了传统深度 Q 网络（DQN）中因最大化偏差导致的过估计问题 。评估网络用于实时评估当前状态下不同动作的 Q 值，目标网络则为评估网络提供相对稳定的目标值，减少训练过程中的波动 。

在 OLDE 中，状态空间定义为算法当前的搜索状态，包括种群分布、历史最优解、已执行的参数自适应方法和操作策略等信息 ；动作空间包含不同的参数自适应方法和变异、交叉操作策略 。智能体根据评估网络输出的 Q 值选择动作，执行相应的参数调整和种群操作，然后依据环境反馈的奖励值更新评估网络参数，定期将评估网络参数复制给目标网络，实现网络的稳定训练与优化 。

⛳️ 运行结果

📣 部分代码

🔗 参考文献

[1] Zhao F, Yang M. A Double Deep Q Network Guided Online Learning Differential Evolution Algorithm[C]//International Conference on Intelligent Computing. Singapore: Springer Nature Singapore, 2024: 196-208.

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇