差分演化算法各种更新策略的对比分析

摘要：

差分演化算法（differential evolution，DE）是一种模拟生物演化过程的随机搜索方法，具有收敛速度快，鲁棒性好等优点。目前DE有多种交叉和变异策略，它们在求解各类优化问题时表现出各自不同的性能。介绍了10种差分演化算法的更新策略，并利用标准测试函数集对它们进行了全面与系统的实验比较。通过分析采用这些策略的DE算法在不同解空间及进化各阶段的收敛曲线特点，对比总结了不同版本的DE算法在各类环境下的搜索性能。该研究一方面能够为DE算法的实际应用提供技术指导，帮助学者选择合适的DE更新策略以更好地解决工程问题；另一方面能够为新型DE更新策略的开发和自适应DE算法的设计提供理论基础。

关键词：差分演化算法(DE)、演化模式、更新策略、演化计算、全局优化

分类号：TP18(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant Nos.61202130,61309003;the Natural Science Foundation of Guangdong Province of China under Grant No. S2012040007948;the Fundamental Research Funds for the Central Universities of China under Grant No.12lgpy47;the Specialized Research Fund for the Doctoral Program of Higher Education of China under Grant No.20120171120027

在线出版日期：2013-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：983-993