基于Memetic框架和改进DFP局部搜索的改进差分进化算法

摘要：

为提高差分进化(DE)算法对性连续优化问题的求解能力、增强算法的适应性,提出了一种基于局部快速收敛算法的Memetic进化算法.改进了Davidon-Fletcher-Powell方法,得到了具有强搜索能力的局部搜索算法——NDFP.当进化过程中出现具有优秀特质的个体时,NDFP可以使该个体沿着局部最优解的方向快速进化.为综合NDFP和DE的优势,提出局部搜索的执行策略来平衡全局搜索和局部搜索的关系,使得NDFP对DE的优化具有更为广泛的适应性.在CEC2005和CEC2013 Benchmark的53个测试函数上的实验结果表明,同DE/current-to-best/1、SaDE和EPSDE算法相比,NDFP-DE进化算法具有更高的求解精度和稳定性.

关键词：Memetic框架、差分进化、局部搜索、DFP方法、近似梯度

所属期刊栏目：35

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目61370102, 61202453

在线出版日期：2015-12-01（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：2766-2770,2776