基于最优高斯随机游走和个体筛选策略的差分进化算法
针对差分进化算法开发能力较差的问题,提出一种具有快速收敛的新型差分进化算法.首先,利用最优高斯随机游走策略提高算法的开发能力;然后,采用基于个体优化性能的简化交叉变异策略实现种群的进化操作以加强其局部搜索能力;最后,通过个体筛选策略进一步提高算法的探索能力以避免陷入局部最优.12个标准测试函数和两种带约束的工程优化问题的实验结果表明,所提出的算法在收敛速度、算法可靠性及收敛精度方面均优于EPSDE、SaDE、JADE、BSA、CoBiDE、GSA和ABC等算法,在加强算法探索能力的同时能够有效地提高算法的开发能力.
差分进化、无约束优化、约束优化、高斯随机游走、个体筛选
31
TP391(计算技术、计算机技术)
航空科学基金项目20105196016;中国博士后科学基金项目2012M521807
2016-08-17(万方平台首次上网日期,不代表论文的发表时间)
共8页
1379-1386