基于群体分布的自适应差分进化算法

发布时间：2021-12-22 10:11

　　差分进化算法是一种简单有效的启发式全局优化算法,但是其优化性能受差分进化策略及控制参数取值的影响较大,不合适的策略和参数容易导致算法早熟收敛。因此,针对差分进化算法搜索过程中变异策略和控制参数的选择问题,文中提出了一种基于群体分布的自适应差分进化算法（Population Distribution-based Self-adaptive Differential Evolution,PDSDE）。首先,设计适应因子以衡量当前种群的分布情况,进而实现算法所处进化阶段的自适应判断;然后,根据不同进化阶段的特点,设计阶段特定的变异策略和控制参数,并设计自适应机制以实现算法策略和参数的动态调整,从而平衡算法的全局探测和局部搜索能力,以达到提高算法搜索效率的目的;最后,将所提算法与6种主流改进算法进行比较。15个典型测试函数的数值实验表明,所提算法在平均函数评价次数、求解精度、收敛速度等指标的评价优于文中给出的6种主流改进算法,因此可以证明所提算法的计算代价、优化性能和收敛性能更具优势。 

【文章来源】：计算机科学. 2020,47(02)北大核心CSCD

【文章页数】：6 页

【部分图文】：

PDSDE和其他算法对8个函数的收敛曲线

【参考文献】：
期刊论文
[1]柔性车间生产排产调度优化方法[J]. 张贵军,丁情,王柳静,周晓根.  计算机科学. 2018(02)
[2]一种配电网络差分禁忌线路规划方法[J]. 张贵军,夏华栋,周晓根,张贝金.  计算机科学. 2016(10)
[3]一种基于片段组装的蛋白质构象空间优化算法[J]. 郝小虎,张贵军,周晓根,程正华,张启鹏.  计算机科学. 2015(03)
[4]基于改进DE-NMPC的酸碱中和反应pH值控制[J]. 朱腾,王京春,熊智华.  自动化学报. 2010(01)



本文编号：3546226