一种基于反向学习的约束差分进化算法OA北大核心CSCDCSTPCD
Constrained D ifferentiaI EvoIution Using Opposition-Based Learning
差分进化算法是一种结构简单、易用且鲁棒性强的全局搜索启发式优化算法，它可以结合约束处理技术来解决约束优化问题。机器学习在进化算法中，经常可以引导种群的进化，而且被广泛地应用于无约束的差分进化算法中，但对于约束差分进化算法却很少有应用。针对这一情况，提出了一种基于反向学习的约束差分进化算法框架。该算法框架采用基于反向学习的机器学习方法，提高约束差分进化算法的多样性和加速全局收敛速度。最后把该算法框架植入了两个著名的约束差分进化算法：（μ＋λ）-CD…查看全部>>
Differential evolution is a global heuristic algorithm,which is simple,easy-to-use and robust in practice. Combining with the constraint-handling techniques,it can solve constrained optimization problems.Machine learning often guides population to evolve in the evolution computation,and is widely applied to unconstrained differential evolution algo-rithm.However,machine learning is rarely applied to constrained differential evolution algorithm,so this …查看全部>>
魏文红;周建龙;陶铭;袁华强
东莞理工学院计算机学院，广东东莞523808西安交通大学城市学院计算机系，陕西西安，710018东莞理工学院计算机学院，广东东莞523808东莞理工学院计算机学院，广东东莞523808
信息技术与安全科学
反向学习差分进化约束优化收敛性
opposition-based learningdifferential evolutionconstrained optimizationconvergence
《电子学报》 2016 (2)
互连网络构造与算法及其在覆盖网络中的应用研究
426-436,11
国家自然科学基金（No．61103037，No．61300198）；广东省自然科学基金（No．S2013010011858）；广东省高校科技创新项目（No．2013KJCX0178）；陕西省工业科技攻关项目（No．2015GY012）；陕西省自然科学基础研究计划项目（No．2015JM6331）；西安交通大学城市学院科研项目（No．2015KZ01，2015KZ02）
评论