本文選題：差分進(jìn)化 + 骨架算法　； 參考：《通信學(xué)報(bào)》2017年08期

【摘要】：骨架差分進(jìn)化算法能夠較好規(guī)避差分進(jìn)化算法控制參數(shù)和變異策略選擇問題。針對(duì)基于雙變異策略的經(jīng)典骨架差分算法(MGBDE)沒有根據(jù)個(gè)體進(jìn)化差異選擇適合的變異策略和考慮早熟收斂的問題,提出一種改進(jìn)算法。該算法引入變異策略選擇因子,并借鑒自適應(yīng)差分進(jìn)化算法的設(shè)計(jì)思想,將選擇因子隨個(gè)體共同參與進(jìn)化,使個(gè)體執(zhí)行當(dāng)前最為適合的變異策略,克服原始算法進(jìn)化過程的盲目性,同時(shí)選擇因子的動(dòng)態(tài)自適應(yīng)特性保持了骨架算法近似無參數(shù)的優(yōu)點(diǎn);該算法加入停滯擾動(dòng)策略,降低陷入局部最優(yōu)的風(fēng)險(xiǎn)。采用18個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)進(jìn)行實(shí)驗(yàn),結(jié)果表明,新算法在收斂精度、收斂速度和頑健性上整體優(yōu)于多種同類骨架算法以及知名的差分進(jìn)化算法。
[Abstract]:Skeleton differential evolution algorithm can avoid the problem of parameter selection and mutation strategy selection in differential evolution algorithm. To solve the problem that the classical skeleton difference algorithm based on double mutation strategy (MGBDE) does not select suitable mutation strategy according to individual evolution difference and consider the problem of premature convergence, an improved algorithm is proposed. In this algorithm, the selection factor of mutation strategy is introduced, and the design idea of adaptive differential evolution algorithm is used to make the selection factor take part in the evolution with the individual, so that the individual can carry out the most suitable mutation strategy. It overcomes the blindness of the evolution process of the original algorithm and maintains the advantage of the skeleton algorithm which is approximately parameterless because of the dynamic adaptive feature of the selection factor. The algorithm adds the stagnation perturbation strategy to reduce the risk of falling into the local optimum. By using 18 standard test functions, the experimental results show that the new algorithm is superior to many similar skeleton algorithms and known differential evolution algorithms in convergence accuracy, convergence speed and robustness.
【作者單位】： 解放軍信息工程大學(xué);中國人民解放軍75741部隊(duì);中國人民解放軍國防信息學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(No.61309018)~~
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前9條

1 張化祥;陸晶;;基于Q學(xué)習(xí)的適應(yīng)性進(jìn)化規(guī)劃算法[J];自動(dòng)化學(xué)報(bào);2008年07期

2 付國江,王少梅,李寧;一種新的PSO變異策略[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2005年02期

3 蔣紹先;孔韜;魏瑞軒;;粒子群算法的最小值邊界變異策略[J];電光與控制;2007年06期

4 劉三陽;張曉偉;;混合差分變異策略[J];智能系統(tǒng)學(xué)報(bào);2008年06期

5 汪文彬;李應(yīng)勇;;一種改進(jìn)的多目標(biāo)變異算子[J];安徽廣播電視大學(xué)學(xué)報(bào);2008年02期

6 劉志軍;唐柳;劉克銅;吳冬方;;差分演化算法中變異策略的改進(jìn)與算法的優(yōu)化[J];化工自動(dòng)化及儀表;2010年09期

7 湯小為;湯俊;萬爽;唐波;;改進(jìn)變異策略的自適應(yīng)差分進(jìn)化算法及其應(yīng)用[J];宇航學(xué)報(bào);2013年07期

8 李良敏;改進(jìn)二進(jìn)制編碼變異策略研究[J];系統(tǒng)仿真學(xué)報(bào);2005年05期

9 莫愿斌;劉付永;張宇楠;;帶高斯變異的人工螢火蟲優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用研究;2013年01期

，

本文編號(hào)：1780485