改进差分进化策略在多峰值函数优化中的应用

doi:10.3778/j.issn.1002-8331.2009.32.013

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (32): 41-44.DOI: 10.3778/j.issn.1002-8331.2009.32.013

改进差分进化策略在多峰值函数优化中的应用

夏慧明¹，周永权²

1.南京师范大学泰州学院数学系，江苏泰州 225300
2.广西民族大学数学与计算机科学学院，南宁 530006

收稿日期:2008-12-12 修回日期:2009-02-20 出版日期:2009-11-11 发布日期:2009-11-11
通讯作者: 夏慧明

Improved differential evolution strategy optimization algorithm for multiple hump functions

XIA Hui-ming¹，ZHOU Yong-quan²

1.Department of Mathematics，Taizhou College，Nanjing Normal University，Taizhou，Jiangsu 225300，China
2.College of Mathematics and Computer Science，Guangxi University for Nationalities，Nanning 530006，China

Received:2008-12-12 Revised:2009-02-20 Online:2009-11-11 Published:2009-11-11
Contact: XIA Hui-ming

摘要/Abstract

摘要： 针对差分演化算法与进化策略算法中所存在的不足，将模拟退火算子引入到差分演化算法的变异操作中，这样有助于在进化前期进行全局搜索，后期进行局部搜索；在标准进化策略的基础上，加入差分变异操作，提出了一种新的差分进化策略双重变异算法。通过测试算例可看出，该方法在多峰值函数优化问题中，具有求解精度较高，收敛速度较快等特点。

关键词: 退火因子, 差分演化算法, 进化策略, 双重变异

Abstract: Against to the finite about differential evolution algorithm and evolution strategy，this paper brings the simulated evolutionary operator into the differential evolution algorithm，it can help enhance global search in prophase and partial search at later period when evolving.Based on the normal evolution strategy adding the differential mutation operator in it，a new Bi-mutation differential evolution strategy algorithm is proposed.From the following examples，it can be seen that the result of the multiple hump function is very accurate and the convergence speed is fast.

Key words: anneal operator, differential evolution algorithm, evolution strategy, Bi-mutation

中图分类号:

TP183

夏慧明¹，周永权². 改进差分进化策略在多峰值函数优化中的应用[J]. 计算机工程与应用, 2009, 45(32): 41-44.

XIA Hui-ming¹，ZHOU Yong-quan². Improved differential evolution strategy optimization algorithm for multiple hump functions[J]. Computer Engineering and Applications, 2009, 45(32): 41-44.

[1]	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.
[2]	宋凯，冯翔，虞慧群. 基于群进化策略的模糊聚类算法[J]. 计算机工程与应用, 2018, 54(4): 36-43.
[3]	吴聪聪1，赵建立1，2，刘雪静1，陈嶷瑛1. 改进的差分演化算法求解多维背包问题[J]. 计算机工程与应用, 2018, 54(11): 153-160.
[4]	张军，王远强，朱新山. 改进PSO优化神经网络的短时交通流预测[J]. 计算机工程与应用, 2017, 53(14): 227-231.
[5]	李前1，贺兴时1，杨新社1，2. 花授粉算法的改进及在压力容器设计中的应用[J]. 计算机工程与应用, 2017, 53(13): 240-245.
[6]	万书振. 自适应迁移预测的动态多目标差分演化算法[J]. 计算机工程与应用, 2016, 52(2): 86-91.
[7]	程沙沙，苏国韶，燕柳斌. 基于进化策略有频率禁区的结构优化设计方法[J]. 计算机工程与应用, 2013, 49(19): 250-253.
[8]	杨格兰1，金辉霞2，朱幸辉3. 基于差分演化和克隆选择机制的优化算法[J]. 计算机工程与应用, 2013, 49(10): 50-52.
[9]	张锦华. 改进的云自适应粒子群算法[J]. 计算机工程与应用, 2012, 48(5): 29-31.
[10]	夏慧明1，王志刚1，郭德龙2. 双种群进化模型的电力负荷预测[J]. 计算机工程与应用, 2012, 48(34): 241-244.
[11]	刘兴阳，毛力. 基于t分布变异的自适应差分进化算法[J]. 计算机工程与应用, 2012, 48(2): 127-129.
[12]	赵东旭，乐晓波. 采用改进的进化策略优化模糊Petri网参数[J]. 计算机工程与应用, 2011, 47(4): 29-32.
[13]	姚跃华，艾浩峰. 基于离散差分演化的粗糙集属性约简算法[J]. 计算机工程与应用, 2011, 47(34): 134-136.
[14]	张敬敏，张有华，李霞. 多目标柔性作业车间调度问题的混合差分算法[J]. 计算机工程与应用, 2011, 47(20): 245-248.
[15]	袁雪莉1，钟明洋2. 改进遗传算法的并行任务调度[J]. 计算机工程与应用, 2011, 47(10): 56-59.

改进差分进化策略在多峰值函数优化中的应用

Improved differential evolution strategy optimization algorithm for multiple hump functions

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