基于双变异模式协同的自适应微分进化算法
来源期刊:控制与决策2017年第7期
论文作者:王世豪 杨红雨 李玉贞 韩松臣 杨波
文章页码:1196 - 1202
关键词:微分进化;全局优化;精英存档;控制参数自适应;
摘 要:针对微分进化算法(DE)易陷入局部最优解、进化后期收敛速度慢、求解精度低等缺点,结合DE/rand/1和DE/best/1两种变异模式分别具有全局探索能力和局部开发能力的优点,引入精英存档策略和控制参数自适应策略,提出一种双变异模式协同自适应微分进化(DMCSa DE)算法.15个典型benchmark测试函数的实验结果表明,DMCSa DE能够有效提高算法的全局探索能力和局部开发能力,避免早熟收敛,大大提高算法的收敛性能和鲁棒性,同时,精英种群的大小对DMCSa DE的优化性能具有明显的影响.
王世豪1,2,杨红雨1,2,李玉贞3,韩松臣1,2,杨波2
1. 四川大学空天科学与工程学院2. 四川大学国家空管自动化系统技术重点实验室3. 上海电器科学研究所
摘 要:针对微分进化算法(DE)易陷入局部最优解、进化后期收敛速度慢、求解精度低等缺点,结合DE/rand/1和DE/best/1两种变异模式分别具有全局探索能力和局部开发能力的优点,引入精英存档策略和控制参数自适应策略,提出一种双变异模式协同自适应微分进化(DMCSa DE)算法.15个典型benchmark测试函数的实验结果表明,DMCSa DE能够有效提高算法的全局探索能力和局部开发能力,避免早熟收敛,大大提高算法的收敛性能和鲁棒性,同时,精英种群的大小对DMCSa DE的优化性能具有明显的影响.
关键词:微分进化;全局优化;精英存档;控制参数自适应;