基于动态自适应策略的改进差分进化算法

摘要：

针对差分进化算法处理复杂优化问题时存在后期收敛速度变慢、收敛精度不高和参数设置困难的问题,提出了一种基于动态自适应策略的改进差分进化算法(dn-DADE).首先,新的变异策略DE/ current-to-dnbest/1利用当前种群中的精英解引导有效的搜索方向来动态调整可选的精英解,使其在进化后期趋于全局最优解.其次,分别设计了缩放因子和交叉因子的自适应更新策略,使两者在搜索的不同阶段自适应变化,以弥补差分进化算法对参数敏感的不足,进一步提高算法的稳定性和鲁棒性.对14个benchmark函数进行了测试并与多种先进DE改进算法进行了比较,结果显示,dn-DADE算法具有较高的求解精度,收敛速度快,寻优性能显著.

关键词：差分进化、变异策略、动态调整、参数自适应、全局优化

所属期刊栏目：40

分类号：TP18(自动化基础理论)

资助基金：上海市教委科研创新重点项目12ZZ158;上海市教委重点学科建设项目J50602

在线出版日期：2013-12-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：265-270