差分進化算法是一種簡單有效的啟發(fā)式全局優(yōu)化算法,但是其優(yōu)化性能受差分進化策略及控制參數(shù)取值的影響較大,不合適的策略和參數(shù)容易導(dǎo)致算法早熟收斂。因此,針對差分進化算法搜索過程中變異策略和控制參數(shù)的選擇問題,文中提出了一種基于群體分布的自適應(yīng)差分進化算法（Population Distribution-based Self-adaptive Differential Evolution,PDSDE）。首先,設(shè)計適應(yīng)因子以衡量當(dāng)前種群的分布情況,進而實現(xiàn)算法所處進化階段的自適應(yīng)判斷;然后,根據(jù)不同進化階段的特點,設(shè)計階段特定的變異策略和控制參數(shù),并設(shè)計自適應(yīng)機制以實現(xiàn)算法策略和參數(shù)的動態(tài)調(diào)整,從而平衡算法的全局探測和局部搜索能力,以達到提高算法搜索效率的目的;最后,將所提算法與6種主流改進算法進行比較。15個典型測試函數(shù)的數(shù)值實驗表明,所提算法在平均函數(shù)評價次數(shù)、求解精度、收斂速度等指標(biāo)的評價優(yōu)于文中給出的6種主流改進算法,因此可以證明所提算法的計算代價、優(yōu)化性能和收斂性能更具優(yōu)勢。 

【文章來源】：計算機科學(xué). 2020,47(02)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

PDSDE和其他算法對8個函數(shù)的收斂曲線

【參考文獻】：
期刊論文
[1]柔性車間生產(chǎn)排產(chǎn)調(diào)度優(yōu)化方法[J]. 張貴軍,丁情,王柳靜,周曉根.  計算機科學(xué). 2018(02)
[2]一種配電網(wǎng)絡(luò)差分禁忌線路規(guī)劃方法[J]. 張貴軍,夏華棟,周曉根,張貝金.  計算機科學(xué). 2016(10)
[3]一種基于片段組裝的蛋白質(zhì)構(gòu)象空間優(yōu)化算法[J]. 郝小虎,張貴軍,周曉根,程正華,張啟鵬.  計算機科學(xué). 2015(03)
[4]基于改進DE-NMPC的酸堿中和反應(yīng)pH值控制[J]. 朱騰,王京春,熊智華.  自動化學(xué)報. 2010(01)



本文編號：3546226