本文關(guān)鍵詞：一種基于局部Lipschitz下界估計(jì)支撐面的差分進(jìn)化算法

  更多相關(guān)文章： 差分進(jìn)化 智能優(yōu)化算法 Lipschitz下界估計(jì) 全局優(yōu)化 支撐面

【摘要】：為了減少智能優(yōu)化算法求解復(fù)雜問題時所需的目標(biāo)函數(shù)評價(jià)次數(shù),降低算法計(jì)算代價(jià),在差分進(jìn)化算法框架下,結(jié)合Lipschitz估計(jì)理論,提出一種基于局部Lipschitz下界估計(jì)支撐面的差分進(jìn)化算法.首先,對新個體的N鄰近個體構(gòu)建Lipschitz下界估計(jì)支撐面,進(jìn)而通過支撐面獲取新個體的下界估計(jì)值;然后,根據(jù)下界估計(jì)值設(shè)計(jì)Lipschitz估計(jì)選擇策略來指導(dǎo)種群更新;其次,利用下界估計(jì)區(qū)域的極值信息排除部分無效區(qū)域,逐步縮小搜索區(qū)域;最后,根據(jù)N鄰近個體下降方向和主導(dǎo)支撐面下降方向設(shè)計(jì)廣義下降方向做局部增強(qiáng).數(shù)值實(shí)驗(yàn)結(jié)果表明,所提算法與文中給出的主流算法相比,能夠以較少的目標(biāo)函數(shù)評價(jià)次數(shù)獲得高質(zhì)量的最優(yōu)解.
【作者單位】： 浙江工業(yè)大學(xué)信息工程學(xué)院;
【關(guān)鍵詞】： 差分進(jìn)化 智能優(yōu)化算法 Lipschitz下界估計(jì) 全局優(yōu)化 支撐面
【基金】：國家自然科學(xué)基金(61075062,61573317) 浙江省自然科學(xué)基金(LY13F030008) 浙江省科技廳公益項(xiàng)目(2014C33088) 浙江省重中之重學(xué)科開放基金資助項(xiàng)目(20151008,20151015)資助~~
【分類號】：TP18
【正文快照】： 1引言近年來,智能優(yōu)化算法被廣泛用于各種實(shí)際應(yīng)用問題的求解.典型的智能優(yōu)化算法包括遺傳算法(Genetic Algorithm,GA)[1]、差分進(jìn)化算法(Differen-tial Evolution,DE)[2]、粒子群算法(Particle SwarmOptimization,PSO)[3]以及蟻群算法(Ant ColonyOptimization,ACO)[4],這些算，

本文編號：1128333