一种阶段性策略自适应差分进化算法
针对差分进化算法的变异策略选择问题,提出一种阶段性策略自适应差分进化算法(SSADE).首先,根据各个体与当前最优个体之间的平均距离衡量种群的拥挤度,进而估计种群的进化阶段;然后,将整个种群划分为多个子种群,并针对不同阶段的特性,设计子种群协同进化变异策略池;最后,根据各变异策略的历史成功信息,从对应的策略池中动态自适应地选择合适的变异策略,从而达到平衡全局探测和局部搜索的目的.在12个经典测试函数上的实验结果表明,所提SSADE算法在计算代价、可靠性、解的质量和扩展性方面优于现有主流算法.
差分进化、策略自适应、子种群、全局优化、协同进化
46
TP391(计算技术、计算机技术)
浙江省重点研发计划项目2017C03060;国家自然科学基金61573317
2019-07-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
106-110