带惯性变异与正交设计的差分进化改进算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (34): 34-38.

带惯性变异与正交设计的差分进化改进算法

刘进1，覃洁萍2

1.广西师范学院，南宁 530023
2.广西中医学院，南宁 530001

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-01 发布日期:2011-12-01

Improved differential evolution algorithm using inertial mutation and orthogonal design

LIU Jin1，QIN Jieping2

1.Guangxi Teachers Education University，Nanning 530023，China
2.Guangxi Traditional Chinese Medicine University，Nanning 530001，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-01 Published:2011-12-01

摘要/Abstract

摘要： 针对目前差分进化算法收敛速度慢，易出现早熟的问题，提出一种新的带惯性变异与正交设计的差分进化改进算法。在经典差分进化算法的基础上，对每一代群体中优于前一代的个体执行惯性变异，寻求发现更优个体，在每一代群体更新结束后，对群体中最优个体在其局部邻域内使用正交设计方法进行搜索，加快发现最优解的速度。通过对7个常用的基准测试函数进行测试，结果表明提出的算法在求解精度、收敛速度、稳定性和扩展性等方面均有很好的表现，明显优于经典差分进化算法和目前常见的差分进化改进算法。

关键词: 差分进化, 惯性变异, 正交设计, 全局优化

Abstract: In order to solve the problem of slow and premature convergence for the classical differential evolution algorithm，a novel improved differential evolution algorithm is proposed using inertial mutation and orthogonal design.On the basis of classical differential evolution algorithm，an inertial mutation is applied to the local neighborhood of better individuals of each generation to get better ones.At the end of each generation updating，orthogonal design is applied to the neighborhood of the best individual to accelerate convergence.A set of 7 standard benchmark functions is adopted to test the performance of the proposed algorithm.The results show that the algorithm has a good solution quality，convergence rate，stability and scalability compared with classical differential evolution algorithm and current common using the improved differential evolution algorithm.

Key words: Differential Evolution（DE）, inertial mutation, orthogonal design, global optimization

刘进1，覃洁萍2. 带惯性变异与正交设计的差分进化改进算法[J]. 计算机工程与应用, 2011, 47(34): 34-38.

LIU Jin1，QIN Jieping2. Improved differential evolution algorithm using inertial mutation and orthogonal design[J]. Computer Engineering and Applications, 2011, 47(34): 34-38.

[1]	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.
[2]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[3]	钱峥远，曾国荪. 精英化岛屿种群引导的差分进化算法[J]. 计算机工程与应用, 2021, 57(20): 73-81.
[4]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.
[5]	李荣，贺兴时，杨新社. 基于差分进化的飞蛾算法在电力调度中的应用[J]. 计算机工程与应用, 2021, 57(13): 258-268.
[6]	沈鑫，邹德旋，张强. 采用双变异策略的自适应差分进化算法及应用[J]. 计算机工程与应用, 2020, 56(4): 146-157.
[7]	张梦琳，江沸菠，董莉，高颖. 智能无人机轨迹与任务卸载联合优化[J]. 计算机工程与应用, 2020, 56(21): 38-46.
[8]	王浩，李俊，周蓉. 自适应合并与分裂的多种群差分进化算法[J]. 计算机工程与应用, 2020, 56(15): 162-171.
[9]	王亚东，石全，尤志锋，宋卫星. 差分准对立学习多目标蚁狮算法[J]. 计算机工程与应用, 2020, 56(13): 156-163.
[10]	方建文，黄钢，曹文明. 笔触风格化技术研究综述[J]. 计算机工程与应用, 2019, 55(9): 33-37.
[11]	耿焕同，周利发，丁洋洋，周山胜. 一种基于新型差分进化模型的MOEA/D改进算法[J]. 计算机工程与应用, 2019, 55(8): 138-146.
[12]	迟宗正，董绍正，郭童，任志磊，周宽久，郭禾. 求解风力发电机布局问题的超启发式算法研究[J]. 计算机工程与应用, 2019, 55(7): 220-225.
[13]	刘茜1，毛力1，杨弘2. 差分进化引导趋化算子的烟花优化算法[J]. 计算机工程与应用, 2019, 55(3): 140-146.
[14]	连玮. 采用树表示的全局最优形状匹配算法[J]. 计算机工程与应用, 2019, 55(1): 217-225.
[15]	姜圣涛，穆学文. 广义模糊熵图像阈值分割参数选取的ADE方法[J]. 计算机工程与应用, 2018, 54(9): 183-188.