設計多策略差分進化算法的難點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化算法,根據(jù)個體適應度值將種群分為3個子種群,每個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,有助于平衡整個種群的勘探和開采能力。同時,對適應度值最好的子種群采用鄰域搜索操作,充分挖掘優(yōu)質(zhì)個體可能包含的有益信息用于指導搜索。在34個測試函數(shù)上實驗,與包含7種差分進化算法在內(nèi)的12種進化算法進行對比,結(jié)果表明該算法在大多數(shù)函數(shù)上取得了更好性能。

【文章頁數(shù)】：14 頁

【部分圖文】：

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

的2個個體的位置，即下標a和b均在[iK,iK]范圍內(nèi)取值，3個系數(shù)r1、r2、r3是[0,1]范圍內(nèi)的隨機數(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，將目標個體的歷史最優(yōu)位置pbesti更改為目標個體的K鄰域范圍內(nèi)的最優(yōu)個體的位置lbesti....

本文編號：3895529