一种基于多种群协作进化的自适应差分进化算法研究

发布时间：2021-05-15 10:35

　　针对差分进化算法求解高维复杂优化问题存在的全局搜索能力和收敛速度不足,论文充分利用局部搜索策略、协同进化机制以及多种群进化模式,提出一种改进的多种群协作自适应差分进化（MSDPIDE）算法。MSDPIDE算法按照个体适应度的差异将个体分成不同的子种群,在多种群协同进化过程中采用局部搜索策略和协同进化机制来提高个体多样性来避免早熟收敛,保证个体之间能够进行充分高效的信息交换,以平衡局部搜索能力与全局搜索能力。通过对9个典型的Benchmarks复杂函数进行了测试,并和DE、和CADE算法进行比较,实验结果表明MSDPIDE算法能有效地避免早熟收敛,具有较高的收敛速率、较高的计算精度、较好的稳定性和较强的全局搜索能力。 

【文章来源】：计算机与数字工程. 2019,47(07)

【文章页数】：5 页

【参考文献】：
期刊论文
[1]多策略多参数并行差分进化算法[J]. 曲福恒,胡雅婷,杨勇,孙爽滋,苑丽红.  计算机应用. 2011(11)
[2]基于logistic模型的自适应差分进化算法[J]. 陈华,范宜仁,邓少贵.  控制与决策. 2011(07)
[3]多种群并行的自适应差分进化算法[J]. 葛延峰,金文静,高立群,冯达.  东北大学学报(自然科学版). 2011(04)
[4]带局部搜索的动态多群体自适应差分进化算法及函数优化[J]. 张雪霞,陈维荣,戴朝华.  电子学报. 2010(08)
[5]基于混沌和高斯局部优化的混合差分进化算法[J]. 贾东立,郑国莘.  控制与决策. 2010(06)
[6]基于混沌搜索的自适应差分进化算法[J]. 卢有麟,周建中,李英海,覃晖.  计算机工程与应用. 2008(10)
[7]双群体伪并行差分进化算法研究及应用[J]. 吴亮红,王耀南,周少武,袁小芳.  控制理论与应用. 2007(03)
[8]基于优进策略的差分进化算法及其化工应用[J]. 方强,陈德钊,俞欢军,吴晓华.  化工学报. 2004(04)



本文编号：3187484