新型差分进化模型的多等级子群杂草优化算法

摘要：

针对标准杂草优化算法易出现的早熟、后期收敛速度慢、易陷于局部最优等问题,提出基于新型差分进化模型的多等级子群杂草优化算法(DEMIWO).首先,引入一种改进型的混合混沌系统对种群进行初始化,提高初始种群的多样性;其次,提出一种按等级分类的组群策略,将种群按适应度分为优、良、中、差四个等级;最后,在繁殖进化阶段,提出新型差分进化模型,对模型中的交叉变异概率进行指数式的非线性动态调整,提高算法的全局寻优能力以及收敛精度.在8个标准测试函数上进行的仿真实验表明,与标准IWO算法及其他常用算法相比,所提算法具有更快的收敛速度和更高的寻优精度,同时能有效避免陷入局部最优.

关键词：杂草优化算法、混合混沌系统、多等级子群、差分进化模型

所属期刊栏目：54

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金61305058;江苏省自然科学基金BK20130471;人工智能四川重点实验室开放课题2016RYJ03

在线出版日期：2018-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：107-114,169