基于混沌搜索的自适应差分进化算法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (10): 31-33.

基于混沌搜索的自适应差分进化算法

卢有麟,周建中,李英海,覃晖

华中科技大学水电与数字化工程学院，武汉 430074

收稿日期:2007-11-28 修回日期:2008-01-04 出版日期:2008-04-01 发布日期:2008-04-01
通讯作者: 卢有麟

Adaptive differential evolution algorithm combined with chaotic search

LU You-lin,ZHOU Jian-zhong,LI Ying-hai,QIN Hui

College of Hydroelectric and Digitalization Engineering，Huazhong University of Science and Technology，Wuhan 430074，China

Received:2007-11-28 Revised:2008-01-04 Online:2008-04-01 Published:2008-04-01
Contact: LU You-lin

摘要/Abstract

摘要： 提出一种基于混沌搜索的自适应差分进化算法（CADE），该算法在计算过程中自适应地调整交叉率，在搜索初期保持种群多样性的同时增强算法的全局收敛性。具有较强局部遍历搜索性能的混沌搜索的引入使得算法具有较好的求解精度，增加搜索到全局最优解的概率。对几种典型的测试函数对CADE进行了测试，实验结果表明，该算法能有效地避免早熟收敛，具有良好的全局收敛性。

关键词: 差分进化算法, 自适应, 混沌搜索, 全局优化

Abstract: An adaptive differential evolution algorithm combined with chaotic search（CADE） is presented.It adjusts the cross operator adaptively according to the computation process in order to preserve the diversity of population at the initial generation as well as to improve the global convergence ability.Chaotic search which behaves well in local search is adopted to enhance the precision of solution and the probability of obtaining global optimal solution.Several typical benchmark functions are tested and experimental results show that the presented algorithm has remarkable global convergence ability，and it can avoid premature convergence effectively.

Key words: differential evolution algorithm, adaptive, chaotic search, global optimization

卢有麟,周建中,李英海,覃晖. 基于混沌搜索的自适应差分进化算法[J]. 计算机工程与应用, 2008, 44(10): 31-33.

LU You-lin,ZHOU Jian-zhong,LI Ying-hai,QIN Hui. Adaptive differential evolution algorithm combined with chaotic search[J]. Computer Engineering and Applications, 2008, 44(10): 31-33.

[1]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[4]	赵林锁，马瑞强，姜天，宋宝燕，潘一山. 两级回归的流式大数据事件自适应预警方法[J]. 计算机工程与应用, 2021, 57(7): 88-94.
[5]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[6]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[7]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[8]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[9]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[10]	肖振久，孔祥旭，宗佳旭，杨玥莹. 自适应聚焦损失的图像目标检测算法[J]. 计算机工程与应用, 2021, 57(23): 185-192.
[11]	张忠林，赵昱，闫光辉. 自然邻居密度极值聚类算法[J]. 计算机工程与应用, 2021, 57(23): 200-210.
[12]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.
[13]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[14]	陈瑶，陈思. 基于自适应多普勒及动态邻域的改进BA算法[J]. 计算机工程与应用, 2021, 57(22): 166-176.
[15]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.