计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2013年
5期
257-260
,共4页
差分进化%极值优化%混合算法%全局优化
差分進化%極值優化%混閤算法%全跼優化
차분진화%겁치우화%혼합산법%전국우화
针对标准差分进化算法在求解复杂优化问题时易陷入局部最优的问题,提出了一种基于极值动力学机制的混合差分进化算法.该算法的核心在于,当种群聚集度较高时,利用极值优化算法强大的波动性,通过引入基于种群的极值优化算法来提高种群多样性,从而协助差分进化算法跳出局部最优.仿真实验表明,该混合算法具有较好的全局收敛性,能有效避免早熟收敛.
針對標準差分進化算法在求解複雜優化問題時易陷入跼部最優的問題,提齣瞭一種基于極值動力學機製的混閤差分進化算法.該算法的覈心在于,噹種群聚集度較高時,利用極值優化算法彊大的波動性,通過引入基于種群的極值優化算法來提高種群多樣性,從而協助差分進化算法跳齣跼部最優.倣真實驗錶明,該混閤算法具有較好的全跼收斂性,能有效避免早熟收斂.
침대표준차분진화산법재구해복잡우화문제시역함입국부최우적문제,제출료일충기우겁치동역학궤제적혼합차분진화산법.해산법적핵심재우,당충군취집도교고시,이용겁치우화산법강대적파동성,통과인입기우충군적겁치우화산법래제고충군다양성,종이협조차분진화산법도출국부최우.방진실험표명,해혼합산법구유교호적전국수렴성,능유효피면조숙수렴.
