基于分布估计的离散差分演化算法
差分演化(DE)是解决优化问题的非常有效的新兴智能算法,但它主要用于连续优化领域,至今尚不能象解决连续优化问题那样有效的处理组合优化问题.首先提出了离散DE用于组合优化问题,然后在离散DE中引入分布估计算法(EDA)来提高性能,把EDA抽样得到的全局统计信息和离散DE获得的局部演化信息相结合来产生新解,形成基于EDA的离散DE算法.为了保持种群多样性,在提出的算法中引入了位翻转变异操作.实验结果表明,EDA能大大提高离散DE的性能.
演化算法、离散差分演化、分布估计、无约束二进制二次规划问题、组合优化
31
TP301.6(计算技术、计算机技术)
国家自然科学基金项目60805026、60905038;高等学校博士学科点专项科研基金项目20070558052;教育部留学回国人员科研启动基金项目教外司留[2007]1108号;广东省自然科学基金项目07300630;广东商学院校级科研基金项目08BS52001
2010-04-19(万方平台首次上网日期,不代表论文的发表时间)
共5页
825-828,888