基于种群状态信息的自适应差分进化算法OACSTPCD
Self-adaptive differential evolution algorithm based on population state information
种群的局部最优与停滞状态会严重影响差分进化(DE)算法的性能.为了消除这2种状态引起的不利因素,提出一种带有种群状态处理措施的改进 DE 算法.当种群处于局部最优状态时,运用限制记忆的拟牛顿(LBFGS)方法对种群中的个体进行随机学习提高解的全局质量,通过高斯变异生成新个体,促使种群跳出局部最优;当算法处于停滞状态时,运用种群的协方差矩阵,通过空间坐标旋转对目标个体进行重组,从而抑制种群停滞状态,加强算法全局搜索能力.此外,算法设计一种新型的选择策略,该选择策略设置一个存放经贪心选择后被遗弃个体的外部存档.当实验个体劣于目标个体时,算法则不再以贪心选择策略生成下一代,而是围绕外部存档进行合理的智能选择,使算法向全局最优收敛.实验表明,通过与先进的8个DE算法在29 个标准的测试函数比较,所提算法在解的精确度和收敛速度均具有更好的性能.
麦伟杰;刘伟莉;钟竞辉
华南理工大学计算机科学与工程学院,广东 广州 510006广东技术师范大学计算机科学学院,广东 广州 510665华南理工大学计算机科学与工程学院,广东 广州 510006
计算机与自动化
差分进化选择策略种群状态信息协方差矩阵外部存档
differential evolutionselection strategypopulation status informationcovariance matrixexternal archive
《通信学报》 2023 (6)
34-46,13
国家自然科学基金资助项目(No.62076098)广东省基础与应用基础研究基金联合基金资助项目(No.2021A1515110072) The National Natura1 Science Foundation of China(No.62076098),Guangdong Basic and Applied Basic Re-search Foundation(No.2021A1515110072)
评论