基于双变异模式协同的自适应微分进化算法
Self-adaptive differential evolution algorithm with dual mutation modes collaboration作者机构:四川大学空天科学与工程学院成都610065 四川大学国家空管自动化系统技术重点实验室成都610065 上海电器科学研究所上海200063
出 版 物:《控制与决策》 (Control and Decision)
年 卷 期:2017年第32卷第7期
页 面:1196-1202页
核心收录:
学科分类:0820[工学-石油与天然气工程] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金项目(71573184) 民航科技项目(20150228)
摘 要:针对微分进化算法(DE)易陷入局部最优解、进化后期收敛速度慢、求解精度低等缺点,结合DE/rand/1和DE/best/1两种变异模式分别具有全局探索能力和局部开发能力的优点,引入精英存档策略和控制参数自适应策略,提出一种双变异模式协同自适应微分进化(DMCSa DE)算法.15个典型benchmark测试函数的实验结果表明,DMCSa DE能够有效提高算法的全局探索能力和局部开发能力,避免早熟收敛,大大提高算法的收敛性能和鲁棒性,同时,精英种群的大小对DMCSa DE的优化性能具有明显的影响.