基于排序采样策略的差分演化算法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (1): 49-52.

基于排序采样策略的差分演化算法

邵梁

浙江建设职业技术学院人文与信息系，杭州 311231

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-01 发布日期:2012-01-01

Differential evolution algorithm based on individual ordering and sampling

SHAO Liang

Department of Humanity and Information, Zhejiang College of Construction, Hangzhou 311231, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-01 Published:2012-01-01

摘要/Abstract

摘要： 基于传统的差分演化，对其种群的内部结构进行调整，提出了一种基于个体适应度排序的种群设置策略。并通过个体采样方式来选择个体参与变异步骤，结合优胜劣汰的选择策略，提出了基于个体排序的采样差分演化算法。通过优化测试函数的仿真试验，与传统差分演化算法和粒子群算法相比较，基于排序的采样差分演化算法在收敛速度和鲁棒性等方面有较好的优势。

关键词: 差分演化, 排序, 采样, 个体采样

Abstract: The traditional structure of population is modified based on Differential Evolution（DE） and a new strategy of population setting is proposed, which is sorted based on the fitness values of individuals. A new method with saltatory and sampling in a nonrandom order is used to select candidates for mutation operation, and a method of survival of the fittest is used in individual selection operation. Thus, the ordered-sampling differential evolution algorithm is proposed, which has a better performance both in convergence rate and robustness compared with traditional differential evolution and particle swarm optimization via a benchmark function simulation test.

Key words: differential evolution, ordering, sampling, individual sampling

邵梁. 基于排序采样策略的差分演化算法[J]. 计算机工程与应用, 2012, 48(1): 49-52.

SHAO Liang. Differential evolution algorithm based on individual ordering and sampling[J]. Computer Engineering and Applications, 2012, 48(1): 49-52.

[1]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[2]	陈俊丰，郑中团. WKMeans与SMOTE结合的不平衡数据过采样方法[J]. 计算机工程与应用, 2021, 57(23): 106-112.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	王乐，韩萌，李小娟，张妮，程浩东. 不平衡数据集分类方法综述[J]. 计算机工程与应用, 2021, 57(22): 42-52.
[5]	涂睿，王文格，卢成阳. 移动机器人实时采样路径重规划[J]. 计算机工程与应用, 2021, 57(20): 157-163.
[6]	马震太，张晓梅，孙功星. BESIII实验软件事例级并行化研究[J]. 计算机工程与应用, 2021, 57(20): 253-262.
[7]	孟东霞，李玉鑑. 利用自然最近邻的不平衡数据过采样方法[J]. 计算机工程与应用, 2021, 57(2): 91-96.
[8]	赵曼宇，叶军. 一类时滞异质网络的拟同步控制[J]. 计算机工程与应用, 2021, 57(12): 86-92.
[9]	郭佳丽，王秋萍，王晓峰. 融合学习策略和邻域搜索的飞蛾火焰算法[J]. 计算机工程与应用, 2021, 57(12): 170-179.
[10]	刘云，钱美伊，李辉，王传旭. 特征融合与训练加速的高效目标跟踪[J]. 计算机工程与应用, 2021, 57(10): 101-109.
[11]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[12]	顾兆军，吴优，赵春迪，周景贤. 流量的集成学习与重采样均衡分类方法[J]. 计算机工程与应用, 2020, 56(6): 86-91.
[13]	王家润，孙禹楠，尹辉，杨志龙. 军事目标关系的拟合地势及双重保凸可视建模[J]. 计算机工程与应用, 2020, 56(5): 270-278.
[14]	肖成龙，聂紫阳，王珊珊. 基于ParetoHeu和实例化失败统计的关联启发式方法[J]. 计算机工程与应用, 2020, 56(5): 57-64.
[15]	姜金川，王冲. 基于学习自动机和用户兴趣的PageRank算法研究[J]. 计算机工程与应用, 2020, 56(3): 80-85.