集成两变异策略的差分进化算法

摘要：

在动态集成差分进化算法中,动态学习机制往往过于复杂且增加计算开销.为此,本文以传统差分进化算法框架为基础,提出集成DE/rand/1/bin和DE/best/1/bin两个优势互补的变异策略并设计动态执行机制,力求简化动态学习机制,且又能在全局搜索和局部搜索中寻找到平衡.实验结果表明:本文提出动态集成两个变异策略的差分进化算法(differential evolution algorithm integrated bi-mutation strategy,DE-BMS)缩放因子F选择为0.9,交叉概率Ct选择为0.1,算法具有更好的鲁棒性;与其他差分进化算法的收敛速度、成功次数解质量分别进行比较,DE-BMS在优化多峰函数问题时表现更佳.

关键词：差分进化算法、集成进化、动态集成

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61402481;河北省青年拔尖人才支持计划冀字[2013]17号;河北省教育厅自然科学基金重点项目ZD2018083;河北地质大学博士科研启动基金项目BQ201322;广西八桂学者支持计划

在线出版日期：2019-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：238-242