约束尺度和算子自适应变化的差分进化算法

摘要：

由于可行域不连续和函数形式复杂使得许多算法难以有效求解约束优化问题,提出了一种约束尺度和算子自适应变化的差分进化算法.通过统计新个体中可行解和不可行解的数量以自适应调整惩罚系数,使个体能够分布在多个不连续的可行域中,从而找到最优解所在区域.同时,算法还采用了两种不同的差分算子,分别用于局部区域的快速寻优和整个可行域的全局探索.在两种算子的选择上,则根据新个体的存活情况和约束违反情况来自适应调整其选择的概率.最后通过3组标准约束优化问题在10维和30维变量下的测试结果显示:所提算法的性能整体优于对比算法,其平均最优解在10维时至少提升了4.75％.

关键词：约束优化、惩罚系数、自适应、差分进化、最优解

所属期刊栏目：47

分类号：TP3;TP1

资助基金：国家自然科学基金61203050;广东财经大学2016年校级科研项目华商学院专项GC16HS01

在线出版日期：2018-01-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：149-156