多子群多策略差分进化算法

摘要：

针对差分进化算法解决高维问题时求解精度低和过早收敛等问题,提出了一种多子群多策略差分进化算法.首先根据适应度值由小到大排列并按照一定比例将种群划分为三个子种群,针对不同子种群的特点使用不同的变异策略和控制参数.针对第二个适应度值一般的子种群引入学习参数,并提出了一种新的变异策略DE-rand-1 to DE-best-1,该变异策略通过学习参数在全局搜索和局部搜索之间建立一种平衡.针对第三个适应度值较差的子种群引入学习参数和均衡参数,通过学习参数向第一个子种群学习,并用均衡参数对提高收敛速度、精度和易陷入局部最优的状况进行改善.最后,用8个测试函数对所提出的算法性能进行测试,并与差分进化算法的四种基础变异策略进行了比较.实验结果表明,所提出的新算法全局寻优能力更强.

关键词：差分进化算法、多策略、学习参数、均衡参数、扰动

所属期刊栏目：45

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金;吉林省科技发展计划项目

在线出版日期：2022-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：123-129