采用双变异策略的自适应差分进化算法及应用

摘要：

为了克服差分进化算法早熟收敛和寻优精度低的缺点,提出一种采用双变异策略的自适应差分进化算法(Adaptive Differential Evolution Algorithm using Double mutation strategies,DADE).DADE引入基于种群相似度和中心解的双变异策略,有效平衡了算法的全局搜索和局部搜索;自适应交叉概率使种群个体向更新成功的个体学习,有利于后续种群的进化.在7个测试函数和3个电力系统动态经济调度(Dynamic Economic Dispatch,DED)问题上的优化结果表明,DADE算法与其他4种DE算法相比具有更强的全局寻优能力,且对电力系统动态经济调度问题的优化结果优于文献中所报道的结果.

关键词：差分进化算法、双变异策略、中心解、自适应交叉概率、测试函数、电力系统动态经济调度

所属期刊栏目：56

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金;江苏省研究生科研创新计划项目

在线出版日期：2020-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：146-157