改进种群多样性的双变异差分进化算法

发布时间：2018-08-10 18:49

【摘要】：差分进化算法(DE)是一种基于种群的启发式随机搜索技术,对于解决连续性优化问题具有较强的鲁棒性.然而传统差分进化算法存在种群多样性和收敛速度之间的矛盾,一种改进种群多样性的双变异差分进化算法(DADE),通过引入BFS-best机制(基于排序的可行解选取递减策略)改进变异算子"DE/current-to-best",将其与DE/rand/1构成双变异策略来改善DE算法中种群多样性减少的问题.同时,每个个体的控制参数基于排序自适应更新.最后,利用多个CEC2013标准测试函数对改进算法进行测试,实验结果表明,改进后的算法能有效改善种群多样性,较好地提高了算法的全局收敛能力和收敛速度.
[Abstract]:Differential evolution algorithm (DE) is a kind of population-based heuristic random search technique, which has strong robustness for solving continuous optimization problems. However, there is a contradiction between population diversity and convergence speed in traditional DE. An improved population diversity double mutation differential evolution algorithm (DADE) is introduced by introducing BFS-best. The mechanism improves the mutation operator "DE/current-to-best" and forms a double mutation strategy with DE/rand/1 to improve the problem of population diversity reduction in DE algorithm. At the same time, the control parameters of each individual are updated adaptively based on the ranking. Finally, several CEC2013 standard test functions are used to improve the algorithm. The experimental results show that the improved algorithm can effectively improve the diversity of the population and improve the global convergence ability and convergence speed of the algorithm.
【作者单位】： 南京工业大学计算机科学与技术学院;
【基金】：江苏省高校自然科学基金(No.12KJB510007)
【分类号】：TP18

【参考文献】

相关期刊论文 前2条

1 刘波;王凌;金以慧;;差分进化算法研究进展[J];控制与决策;2007年07期

2 吴亮红;王耀南;袁小芳;周少武;;自适应二次变异差分进化算法[J];控制与决策;2006年08期

【共引文献】

相关期刊论文 前10条

1 李荣雨;陈庆倩;陈菲尔;;改进种群多样性的双变异差分进化算法[J];运筹学学报;2017年01期

2 吴凌云;杜文莉;叶贞成;;裂解炉炉群负荷分配的实时优化[J];计算机与应用化学;2017年02期

3 熊聪聪;郝璐萌;王丹;邓雪晨;;一种基于差分策略的群搜索优化算法[J];计算机科学;2017年02期

4 任潞;何屏;张晓磊;郭秀林;;基于PSODE混合算法优化的自抗扰控制器设计[J];现代电子技术;2017年03期

5 孙红兵;夏琛海;潘宇虎;王裕波;;基于差分进化算法的阵列天线二维波束展宽研究[J];现代雷达;2017年01期

6 于劲松;时yN瑜;卢操;唐荻音;;基于多信号流图与差分进化算法的测点布局优化[J];仪器仪表学报;2016年12期

7 徐斌;陶莉莉;程武山;;一种自适应多策略差分进化算法及其应用[J];化工学报;2016年12期

8 段欢欢;崔国民;陈家星;陈上;;一种基于多种群对立平行进化策略的DE算法[J];计算物理;2016年05期

9 张友俊;侯明明;;基于隐式空间映射算法的双频带滤波器设计[J];固体电子学研究与进展;2016年04期

10 何小龙;白俊强;李宇飞;;基于全局灵敏度分析的改进微分进化算法[J];西北工业大学学报;2016年03期

【二级参考文献】

相关期刊论文 前10条

1 宋立明,李军,丰镇平;跨音速透平扭叶片的气动优化设计研究[J];西安交通大学学报;2005年11期

2 刘波,王凌,金以慧,黄德先;微粒群优化算法研究进展[J];化工自动化及仪表;2005年03期

3 杨晓明,邱清盈,冯培恩,潘双夏;盘式制动器的全性能优化设计[J];中国机械工程;2005年07期

4 徐志高,关正西,张炜;模糊神经网络在导弹动力系统多故障诊断中的应用[J];弹箭与制导学报;2005年01期

5 张吴明,钟约先;基于改进差分进化算法的相机标定研究[J];光学技术;2004年06期

6 方强,陈德钊,俞欢军,吴晓华;基于优进策略的差分进化算法及其化工应用[J];化工学报;2004年04期

7 吕振肃,侯志荣;自适应变异的粒子群优化算法[J];电子学报;2004年03期

8 陈晨,章玮;差异进化算法在永磁同步电机优化设计中的应用[J];微特电机;2004年02期

9 谢晓锋,张文俊,张国瑞,杨之廉;差异演化的实验研究[J];控制与决策;2004年01期

10 邓建军,徐立鸿,吴启迪;基于遗传算法的模糊逻辑系统滚动学习方法[J];控制与决策;2002年02期

【相似文献】

相关期刊论文 前10条

1 林锐浩,陈晓龙;基于种群多样性指导的遗传算法[J];计算机工程与设计;2005年11期

2 段晓东;徐平;王存睿;刘向东;张庆灵;;动态环境下粒子分群与种群多样性的关系研究[J];计算机科学;2009年03期

3 何琳,王科俊,李国斌,金鸿章;遗传算法种群多样性的分析研究[J];哈尔滨工程大学学报;1999年04期

4 江雷,陈贤富;一种衡量TSP问题种群多样性的新方法[J];微电子学与计算机;2004年08期

5 申元霞;王国胤;曾传华;;PSO模型种群多样性与学习参数的关系研究[J];电子学报;2011年06期

6 单兵;倪世宏;查翔;;基于适应度方差度量种群多样性的GEP算法[J];计算机工程与设计;2013年09期

7 路景;周春艳;;基于种群多样性评价的自适应遗传算法[J];计算机仿真;2008年02期

8 李国;徐晨;吴延科;;全局收敛的PSO算法的种群多样性特征[J];计算机应用与软件;2008年05期

9 张晓缋,戴冠中,徐乃平;遗传算法种群多样性的分析研究[J];控制理论与应用;1998年01期

10 路景;房明明;;遗传算法中保持种群多样性方法研究[J];计算机光盘软件与应用;2012年18期

相关会议论文 前3条

1 冯纪强;谢维信;徐晨;张海峰;;一种基于概率理论的种群多样性度量模型[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

2 王科俊;何琳;;遗传算法种群多样性的分析[A];2001年中国智能自动化会议论文集（下册）[C];2001年

3 于金霞;刘文静;汤永利;;粒子滤波多样性测度分析[A];计算机研究新进展（2010）——河南省计算机学会2010年学术年会论文集[C];2010年

相关博士学位论文 前1条

1 郁书好;萤火虫优化算法研究及应用[D];合肥工业大学;2015年

相关硕士学位论文 前5条

1 张凯;GEP在麦蚜种群建模中的应用研究[D];西安建筑科技大学;2015年

2 彭舟;动态环境下多目标进化优化的预测和保持种群多样性策略研究[D];湘潭大学;2015年

3 何诚;运用种群多样性动态调整机制的粒子群优化算法研究[D];湘潭大学;2012年

4 周冬梅;基于演化算法的智能学习与优化方法的研究[D];江南大学;2015年

5 孙晶;改进的混合型蚁群算法及其应用[D];中北大学;2014年

，

本文编号：2175877