為了克服差分進(jìn)化算法早熟收斂和尋優(yōu)精度低的缺點(diǎn),提出一種采用雙變異策略的自適應(yīng)差分進(jìn)化算法（Adaptive Differential Evolution Algorithm using Double mutation strategies,DADE）。DADE引入基于種群相似度和中心解的雙變異策略,有效平衡了算法的全局搜索和局部搜索;自適應(yīng)交叉概率使種群個體向更新成功的個體學(xué)習(xí),有利于后續(xù)種群的進(jìn)化。在7個測試函數(shù)和3個電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度（Dynamic Economic Dispatch,DED）問題上的優(yōu)化結(jié)果表明,DADE算法與其他4種DE算法相比具有更強(qiáng)的全局尋優(yōu)能力,且對電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度問題的優(yōu)化結(jié)果優(yōu)于文獻(xiàn)中所報(bào)道的結(jié)果。 

【文章來源】：計(jì)算機(jī)工程與應(yīng)用. 2020,56(04)北大核心CSCD

【文章頁數(shù)】：12 頁

【文章目錄】：
1 引言
2 標(biāo)準(zhǔn)差分進(jìn)化算法
3 采用雙變異策略的自適應(yīng)差分進(jìn)化算法
    3.1 基于種群相似度和中心解的雙變異策略
        3.1.1 種群相似度和中心解
        3.1.2 基于中心解的變異策略
        3.1.3 雙變異策略
    3.2 自適應(yīng)交叉概率
    3.3 算法實(shí)現(xiàn)流程圖
4 電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度
    4.1 費(fèi)用函數(shù)
    4.2 約束處理
5 實(shí)驗(yàn)結(jié)果與分析
    5.1 測試函數(shù)的優(yōu)化結(jié)果與分析
    5.2 DADE算法改進(jìn)策略作用分析
    5.3 變異策略性能分析
    5.4 局部參數(shù)對算法性能的影響
    5.5 電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度問題的優(yōu)化結(jié)果與分析
6 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]基于自適應(yīng)變異差分進(jìn)化算法的溶解氧濃度控制系統(tǒng)[J]. 湯偉,白志雄,高祥.  中國造紙. 2017(06)
[2]基于極值優(yōu)化的混合差分進(jìn)化算法[J]. 王叢佼,王錫淮,肖建梅.  計(jì)算機(jī)科學(xué). 2013(05)
[3]隨機(jī)變異差分進(jìn)化算法[J]. 歐陽海濱,高立群,孔祥勇.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(03)
[4]差分進(jìn)化粒子群混合優(yōu)化算法的研究與應(yīng)用[J]. 楊妍,陳如清,俞金壽.  計(jì)算機(jī)工程與應(yīng)用. 2010(25)
[5]混合差分進(jìn)化-和聲搜索算法在結(jié)構(gòu)工程中的應(yīng)用[J]. 鄒德旋,高立群,吳建華,吳沛鋒.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(06)



本文編號：3187016