基于Baldwin效应的直觉模糊自适应差分进化算法

doi:10.3778/j.issn.1002-8331.1610-0049

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (19): 55-60.DOI: 10.3778/j.issn.1002-8331.1610-0049

基于Baldwin效应的直觉模糊自适应差分进化算法

文童，华继学，王毅，梅海涛，贾琪，杨进帅

空军工程大学防空反导学院，西安 710051

出版日期:2017-10-01 发布日期:2017-10-13

Baldwin effect-based intuitionistic fuzzy adaptive differential evolution

WEN Tong, HUA Jixue, WANG Yi, MEI Haitao, JIA Qi, YANG Jinshuai

Air and Missile Defense College, Air-force Engineering University, Xi’an 710051, China

Online:2017-10-01 Published:2017-10-13

摘要/Abstract

摘要： 针对现有改进差分进化算法易陷入局部最优解的不足，提出一种改进的自适应差分进化算法。该算法对精英个体实施Baldwin学习，使其在不确定代数内保持基因型不变并尝试多种表现型以引导种群中其他个体进化；同时用直觉模糊推理的方法对缩放因子进行自适应反馈控制。通过对19个典型benchmark函数进行测试，并与其他知名改进差分进化算法对比，仿真结果表明该改进方法具有较强的跳出局部最优解能力和较快的收敛速度。

关键词: 差分进化, 自适应, 直觉模糊推理, Baldwin效应

Abstract: To overcome the premature convergence of current versions of Differential Evolution（DE） algorithm, an advanced adaptive DE is proposed. Elite individuals, conducted with Baldwin learning, preserve their genotype and try several phenotypes to guide other individuals in uncertain generations; meanwhile, mutation factors are controlled with feedback by intuitionistic fuzzy reasoning. Tested by 19 typical benchmark functions and compared with other state-of-the-art advanced DE, the new method performs better global search capability and convergence speed.

Key words: Differential Evolution（DE）, adaptive, intuitionistic fuzzy reasoning, Baldwin effect

文童，华继学，王毅，梅海涛，贾琪，杨进帅. 基于Baldwin效应的直觉模糊自适应差分进化算法[J]. 计算机工程与应用, 2017, 53(19): 55-60.

WEN Tong, HUA Jixue, WANG Yi, MEI Haitao, JIA Qi, YANG Jinshuai. Baldwin effect-based intuitionistic fuzzy adaptive differential evolution[J]. Computer Engineering and Applications, 2017, 53(19): 55-60.

[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]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.

基于Baldwin效应的直觉模糊自适应差分进化算法

Baldwin effect-based intuitionistic fuzzy adaptive differential evolution

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics