采用双变异策略的自适应差分进化算法及应用

发布时间：2021-05-15 05:10

　　为了克服差分进化算法早熟收敛和寻优精度低的缺点,提出一种采用双变异策略的自适应差分进化算法（Adaptive Differential Evolution Algorithm using Double mutation strategies,DADE）。DADE引入基于种群相似度和中心解的双变异策略,有效平衡了算法的全局搜索和局部搜索;自适应交叉概率使种群个体向更新成功的个体学习,有利于后续种群的进化。在7个测试函数和3个电力系统动态经济调度（Dynamic Economic Dispatch,DED）问题上的优化结果表明,DADE算法与其他4种DE算法相比具有更强的全局寻优能力,且对电力系统动态经济调度问题的优化结果优于文献中所报道的结果。 

【文章来源】：计算机工程与应用. 2020,56(04)北大核心CSCD

【文章页数】：12 页

【文章目录】：
1 引言
2 标准差分进化算法
3 采用双变异策略的自适应差分进化算法
    3.1 基于种群相似度和中心解的双变异策略
        3.1.1 种群相似度和中心解
        3.1.2 基于中心解的变异策略
        3.1.3 双变异策略
    3.2 自适应交叉概率
    3.3 算法实现流程图
4 电力系统动态经济调度
    4.1 费用函数
    4.2 约束处理
5 实验结果与分析
    5.1 测试函数的优化结果与分析
    5.2 DADE算法改进策略作用分析
    5.3 变异策略性能分析
    5.4 局部参数对算法性能的影响
    5.5 电力系统动态经济调度问题的优化结果与分析
6 结束语


【参考文献】：
期刊论文
[1]基于自适应变异差分进化算法的溶解氧浓度控制系统[J]. 汤伟,白志雄,高祥.  中国造纸. 2017(06)
[2]基于极值优化的混合差分进化算法[J]. 王丛佼,王锡淮,肖建梅.  计算机科学. 2013(05)
[3]随机变异差分进化算法[J]. 欧阳海滨,高立群,孔祥勇.  东北大学学报(自然科学版). 2013(03)
[4]差分进化粒子群混合优化算法的研究与应用[J]. 杨妍,陈如清,俞金寿.  计算机工程与应用. 2010(25)
[5]混合差分进化-和声搜索算法在结构工程中的应用[J]. 邹德旋,高立群,吴建华,吴沛锋.  东北大学学报(自然科学版). 2010(06)



本文编号：3187016