基于自适应变异算子的差分进化算法

摘要：

针对差分演化算法易于早熟、收敛速度慢和收敛精度低等问题,提出一种基于自适应变异算子的差分进化算法.给出个体向量粒子及维度层定义,并提出了基于维度层加权的异维维度选择策略,首次将加权异维学习策略引入差分演化算法中,有效地提高了种群的多样性;根据种群聚集度的思想,提出一种基于种群聚集度自适应的变异算子,该算子能依据种群个体当前的种群聚集度自适应地调整DE/best/1变异算子和加权异维学习变异算子的变异权重,加快算法收敛速度、提高其收敛精度.通过在20个典型的测试函数上进行测试,与7种具有代表性的算法相比,结果表明提出的算法在求解精度和收敛速度上具有很大优势,并显示出了非常好的鲁棒性.

关键词：差分进化、维度层、加权异维学习、种群聚集度、自适应变异

所属期刊栏目：54

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61572381

在线出版日期：2018-04-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：128-134,142