基于两种进化模式的双种群协作差分演化算法

doi:10.3778/j.issn.1002-8331.2008.25.019

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (25): 60-64.DOI: 10.3778/j.issn.1002-8331.2008.25.019

基于两种进化模式的双种群协作差分演化算法

王培崇^1,2,贺毅朝²,钱旭¹

1.中国矿业大学机电与信息工程学院，北京 100083
2.石家庄经济学院信息工程学院，石家庄 050031

收稿日期:2007-10-31 修回日期:2007-12-25 出版日期:2008-09-01 发布日期:2008-09-01
通讯作者: 王培崇

Cooperation differential evolution algorithm with double populations and two evolutionary models

WANG Pei-chong^1,2,HE Yi-chao²,QIAN Xu¹

1.School of Mechanical Electronic & Information Engineering，China University of Mining & Technology，Beijing 100083，China
2.Information Engineering School，Shijiazhuang University of Economics，Shijiazhuang 050031，China

Received:2007-10-31 Revised:2007-12-25 Online:2008-09-01 Published:2008-09-01
Contact: WANG Pei-chong

摘要/Abstract

摘要： 提出了一种基于两种进化模式的双种群协作差分演化算法（DPDE）。在DPDE中，两个种群通过协作共同进化。首先，各种群以不同的进化模式，通过个体竞争实现自身进化；其次，种群之间基于局部信息传递和共享机制，通过随机交换个体方式相互协作、共同进化，既实现了不同进化模式间的优势互补，又可以改善种群的多样性。对于5个典型Benchmark测试函数，通过与DE和DEfirDE算法的比较表明：DPDE具有更好的全局收敛性和鲁棒性，特别适合求解高维多模态函数的最优化问题。

关键词: 差分演化, 进化模式, 协作进化, Benchmark函数

Abstract: Propose a cooperation differential evolution algorithm with double populations and two evolutionary models （DPDE）.There are two populations in DPDE.First，each population has its evolutionary model，and they finish evolution by different evolutionary model independently.Secondly，they implement coevolution based on local information transfer and share between populations.It not only realizes developing advantages and avoiding disadvantages，but also adjusts population diversity.Comparing with DE and DEfirDE using five typical Benchmark functions，the results show that DPDE has superior global convergence and robust，especially fit for solving multimode and high dimension function optimization problems.

Key words: differential evolution, evolutionary model, cooperate evolution, benchmark function

王培崇^1,2,贺毅朝²,钱旭¹. 基于两种进化模式的双种群协作差分演化算法[J]. 计算机工程与应用, 2008, 44(25): 60-64.

WANG Pei-chong^1,2,HE Yi-chao²,QIAN Xu¹. Cooperation differential evolution algorithm with double populations and two evolutionary models[J]. Computer Engineering and Applications, 2008, 44(25): 60-64.

[1]	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.
[2]	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.
[3]	杨锋英1，刘会超2. AGV作业调度模型及改进的DE算法研究[J]. 计算机工程与应用, 2014, 50(9): 225-230.
[4]	刘婷1，2，张立毅1，2，鲍韦韦3，邹康3. 全局最优引导的差分演化二进制人工蜂群算法[J]. 计算机工程与应用, 2013, 49(6): 43-47.
[5]	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.
[6]	陈军1，张长江2. 平稳小波域红外图像增强的反正切变换法[J]. 计算机工程与应用, 2012, 48(9): 145-148.
[7]	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.
[8]	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.
[9]	贺毅朝，曲文龙，许冀伟. 一种改进的混合蛙跳算法及其收敛性分析[J]. 计算机工程与应用, 2011, 47(22): 37-40.
[10]	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.
[11]	苏清华^1，2，胡中波¹，熊一能¹. 聚类问题的自适应杂交差分演化模拟退火算法[J]. 计算机工程与应用, 2010, 46(23): 41-43.
[12]	张敬敏,张翠军. 求解VSPSTW问题的混合差分演化算法[J]. 计算机工程与应用, 2009, 45(9): 230-232.
[13]	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.
[14]	胡中波¹，王曙霞²，熊盛武³，苏清华¹. 求解约束优化的一个自适应杂交差分演化算法[J]. 计算机工程与应用, 2009, 45(31): 211-214.
[15]	陈文霞,龚文引,蔡之华. 正交差分演化算法在工程优化设计中的应用[J]. 计算机工程与应用, 2008, 44(18): 230-232.

基于两种进化模式的双种群协作差分演化算法

Cooperation differential evolution algorithm with double populations and two evolutionary models

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