針對目前差分進化算法存在全局搜索與局部尋優(yōu)的矛盾、搜索停滯、收斂速度慢的問題,提出一種改進算法:基于Lévy飛行的自適應(yīng)差分進化算法。該算法鑒于Lévy飛行步長符合重尾分布的特點,在變異過程中結(jié)合差分進化算法的基本變異和Lévy飛行變異兩種模式,并通過引入自適應(yīng)縮放因子和交叉概率算子,改善種群在交叉與變異過程中的不足。通過理論分析與Benchmark函數(shù)的數(shù)值驗證,并與其他6種算法進行比較。結(jié)果表明,所提新算法能夠在全局搜索與局部尋優(yōu)之間進行較好的平衡,而且收斂速度更快,種群多樣性得到了很好的保存,一定程度上避免了搜索停滯的出現(xiàn)。 

【文章來源】：現(xiàn)代電子技術(shù). 2020,43(04)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

200次Lévy飛行步長分布

函數(shù)f8(x)最終解的分布

式中，α,γ為兩個特征參數(shù)。Lévy分布、高斯分布和柯西分布的概率分布對比如圖1所示。Lévy飛行是一種馬爾可夫[10]隨機過程，行走的步長滿足一個重尾的Lévy分布。Lévy飛行具有更強的擾動能力，是一種比布朗隨機運動更有效的搜索策略，通過大概率短距離和小概率長距離搜索，既可以擴大搜索范圍，又能在特定區(qū)域增強局部搜索效果，提高算法的全局搜索和局部尋優(yōu)能力。

【參考文獻】：
期刊論文
[1]基于自適應(yīng)差分進化策略的多目標進化算法[J]. 陶勇,沈濟南.  控制工程. 2018(11)
[2]基于云計算平臺的差分進化算法改進研究[J]. 孫潔,連暢.  現(xiàn)代電子技術(shù). 2018(17)
[3]基于共軛增強策略的差分進化算法[J]. 張貴軍,王柳靜,周曉根,丁情.  控制與決策. 2017(07)
[4]一種求解約束優(yōu)化問題的自適應(yīng)差分進化算法[J]. 閤大海,李元香,龔文引,何國良.  電子學(xué)報. 2016(10)
[5]自適應(yīng)雙模式差分進化算法[J]. 呼忠權(quán),王洪斌,李碩.  計算機工程與設(shè)計. 2015(08)
[6]帶局部搜索的動態(tài)多群體自適應(yīng)差分進化算法及函數(shù)優(yōu)化[J]. 張雪霞,陳維榮,戴朝華.  電子學(xué)報. 2010(08)



本文編號：2975301