基于广义凸下界估计的多模态差分进化算法?

摘要：

　　针对多模态优化问题，提出了基于广义凸下界估计模型的改进差分进化算法。首先，基于模型变换方法将原优化问题转变为单位单纯形约束条件下的严格递增射线凸优化问题；其次，基于广义凸理论，利用差分进化算法中更新个体的适应度知识，建立原优化问题广义凸下界估计模型，设计实现了基于 N-叉树的估计模型快速计算方法；进而，综合考虑原问题目标值与其估计值之间的差异，提出一种基于有偏采样的小生境指标，并设计区域进化树更新策略来保证算法的局部搜索能力。数值实验结果表明，提出的算法能够有效地发现并维持一定数量的满意解模态，动态地实现全局模态搜索到模态内局部增强的自适应平滑过渡。对于给出的测试问题，能够发现所有的全局最优解以及一些较好的局部极值解。

关键词：多模态优化、广义凸、下界估计、差分进化、小生境

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金61075062,50908213;浙江省自然科学基金LY13F030008;浙江工业大学重中之重学科开放基金20120811

在线出版日期：2013-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共19页

页码：1177-1195