設(shè)計(jì)多策略差分進(jìn)化算法的難點(diǎn)在于選擇何種變異策略以及如何分配這些策略。提出一種融合鄰域搜索的多策略差分進(jìn)化算法,根據(jù)個(gè)體適應(yīng)度值將種群分為3個(gè)子種群,每個(gè)子種群分別采用不同的變異策略和參數(shù)值,使得各子種群的搜索能力可互補(bǔ),有助于平衡整個(gè)種群的勘探和開采能力。同時(shí),對(duì)適應(yīng)度值最好的子種群采用鄰域搜索操作,充分挖掘優(yōu)質(zhì)個(gè)體可能包含的有益信息用于指導(dǎo)搜索。在34個(gè)測(cè)試函數(shù)上實(shí)驗(yàn),與包含7種差分進(jìn)化算法在內(nèi)的12種進(jìn)化算法進(jìn)行對(duì)比,結(jié)果表明該算法在大多數(shù)函數(shù)上取得了更好性能。

【文章頁(yè)數(shù)】：14 頁(yè)

【部分圖文】：

圖1鄰域搜索操作示意圖Fig.1Demonstrationofneighborhoodsearchoperator

的2個(gè)個(gè)體的位置，即下標(biāo)a和b均在[iK,iK]范圍內(nèi)取值，3個(gè)系數(shù)r1、r2、r3是[0,1]范圍內(nèi)的隨機(jī)數(shù)，并且滿足條件123rrr1。與搜索公式略有不同的是，我們結(jié)合DE算法的特點(diǎn)，將目標(biāo)個(gè)體的歷史最優(yōu)位置pbesti更改為目標(biāo)個(gè)體的K鄰域范圍內(nèi)的最優(yōu)個(gè)體的位置lbesti....

本文編號(hào)：3895529