一种基于局部Lipschitz下界估计支撑面的差分进化算法

发布时间：2017-11-01 20:12

  本文关键词：一种基于局部Lipschitz下界估计支撑面的差分进化算法

  更多相关文章： 差分进化 智能优化算法 Lipschitz下界估计 全局优化 支撑面

【摘要】：为了减少智能优化算法求解复杂问题时所需的目标函数评价次数,降低算法计算代价,在差分进化算法框架下,结合Lipschitz估计理论,提出一种基于局部Lipschitz下界估计支撑面的差分进化算法.首先,对新个体的N邻近个体构建Lipschitz下界估计支撑面,进而通过支撑面获取新个体的下界估计值;然后,根据下界估计值设计Lipschitz估计选择策略来指导种群更新;其次,利用下界估计区域的极值信息排除部分无效区域,逐步缩小搜索区域;最后,根据N邻近个体下降方向和主导支撑面下降方向设计广义下降方向做局部增强.数值实验结果表明,所提算法与文中给出的主流算法相比,能够以较少的目标函数评价次数获得高质量的最优解.
【作者单位】： 浙江工业大学信息工程学院;
【关键词】： 差分进化 智能优化算法 Lipschitz下界估计 全局优化 支撑面
【基金】：国家自然科学基金(61075062,61573317) 浙江省自然科学基金(LY13F030008) 浙江省科技厅公益项目(2014C33088) 浙江省重中之重学科开放基金资助项目(20151008,20151015)资助~~
【分类号】：TP18
【正文快照】： 1引言近年来,智能优化算法被广泛用于各种实际应用问题的求解.典型的智能优化算法包括遗传算法(Genetic Algorithm,GA)[1]、差分进化算法(Differen-tial Evolution,DE)[2]、粒子群算法(Particle SwarmOptimization,PSO)[3]以及蚁群算法(Ant ColonyOptimization,ACO)[4],这些算，

本文编号：1128333