计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2013年
11期
265-270
,共6页
差分进化%变异策略%动态调整%参数自适应%全局优化
差分進化%變異策略%動態調整%參數自適應%全跼優化
차분진화%변이책략%동태조정%삼수자괄응%전국우화
Differential evolution%Mutation strategy%Dynamic adjustment%Parameter self-adaptation%Global optimization
针对差分进化算法处理复杂优化问题时存在后期收敛速度变慢、收敛精度不高和参数设置困难的问题,提出了一种基于动态自适应策略的改进差分进化算法(dn-DADE).首先,新的变异策略DE/ current-to-dnbest/1利用当前种群中的精英解引导有效的搜索方向来动态调整可选的精英解,使其在进化后期趋于全局最优解.其次,分别设计了缩放因子和交叉因子的自适应更新策略,使两者在搜索的不同阶段自适应变化,以弥补差分进化算法对参数敏感的不足,进一步提高算法的稳定性和鲁棒性.对14个benchmark函数进行了测试并与多种先进DE改进算法进行了比较,结果显示,dn-DADE算法具有较高的求解精度,收敛速度快,寻优性能显著.
針對差分進化算法處理複雜優化問題時存在後期收斂速度變慢、收斂精度不高和參數設置睏難的問題,提齣瞭一種基于動態自適應策略的改進差分進化算法(dn-DADE).首先,新的變異策略DE/ current-to-dnbest/1利用噹前種群中的精英解引導有效的搜索方嚮來動態調整可選的精英解,使其在進化後期趨于全跼最優解.其次,分彆設計瞭縮放因子和交扠因子的自適應更新策略,使兩者在搜索的不同階段自適應變化,以瀰補差分進化算法對參數敏感的不足,進一步提高算法的穩定性和魯棒性.對14箇benchmark函數進行瞭測試併與多種先進DE改進算法進行瞭比較,結果顯示,dn-DADE算法具有較高的求解精度,收斂速度快,尋優性能顯著.
침대차분진화산법처리복잡우화문제시존재후기수렴속도변만、수렴정도불고화삼수설치곤난적문제,제출료일충기우동태자괄응책략적개진차분진화산법(dn-DADE).수선,신적변이책략DE/ current-to-dnbest/1이용당전충군중적정영해인도유효적수색방향래동태조정가선적정영해,사기재진화후기추우전국최우해.기차,분별설계료축방인자화교차인자적자괄응경신책략,사량자재수색적불동계단자괄응변화,이미보차분진화산법대삼수민감적불족,진일보제고산법적은정성화로봉성.대14개benchmark함수진행료측시병여다충선진DE개진산법진행료비교,결과현시,dn-DADE산법구유교고적구해정도,수렴속도쾌,심우성능현저.
