计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2014年
10期
2187-2194
,共8页
差分进化%引力搜索算法%阈值统计学习%混合算法%数值优化
差分進化%引力搜索算法%閾值統計學習%混閤算法%數值優化
차분진화%인력수색산법%역치통계학습%혼합산법%수치우화
differential evolution (DE)%gravitational search algorithm (GSA)%threshold statistical learning%hybrid algorithm%numerical optimization
为了改善基本差分进化算法在求解复杂优化问题时易出现早熟收敛、求解精度低以及进化后期收敛速度慢等缺陷,结合引力搜索算法的优点,提出一种基于阈值统计学习思想的混合差分进化引力搜索算法.该算法通过阈值统计学习的方式,充分利用差分进化算法的全局优化能力与引力搜索算法在进化后期的种群开发能力,在进化过程中根据2种策略在先前学习代数的成功率自适应选择较优策略生成下一代群体,保证种群在解空间中的探索与开发能力之间的平衡,以提高算法的全局寻优能力.对几个经典复杂测试函数的仿真结果表明:改进算法求解精度高、收敛速度快、鲁棒性强、能够有效避免早熟收敛问题.
為瞭改善基本差分進化算法在求解複雜優化問題時易齣現早熟收斂、求解精度低以及進化後期收斂速度慢等缺陷,結閤引力搜索算法的優點,提齣一種基于閾值統計學習思想的混閤差分進化引力搜索算法.該算法通過閾值統計學習的方式,充分利用差分進化算法的全跼優化能力與引力搜索算法在進化後期的種群開髮能力,在進化過程中根據2種策略在先前學習代數的成功率自適應選擇較優策略生成下一代群體,保證種群在解空間中的探索與開髮能力之間的平衡,以提高算法的全跼尋優能力.對幾箇經典複雜測試函數的倣真結果錶明:改進算法求解精度高、收斂速度快、魯棒性彊、能夠有效避免早熟收斂問題.
위료개선기본차분진화산법재구해복잡우화문제시역출현조숙수렴、구해정도저이급진화후기수렴속도만등결함,결합인력수색산법적우점,제출일충기우역치통계학습사상적혼합차분진화인력수색산법.해산법통과역치통계학습적방식,충분이용차분진화산법적전국우화능력여인력수색산법재진화후기적충군개발능력,재진화과정중근거2충책략재선전학습대수적성공솔자괄응선택교우책략생성하일대군체,보증충군재해공간중적탐색여개발능력지간적평형,이제고산법적전국심우능력.대궤개경전복잡측시함수적방진결과표명:개진산법구해정도고、수렴속도쾌、로봉성강、능구유효피면조숙수렴문제.
