基于抽象凸估计选择策略的差分进化算法

摘要：

针对传统差分进化算法计算代价、可靠性及收敛速度的问题,提出一种基于抽象凸估计选择策略的差分进化算法(DEUS).首先,通过提取新个体的邻近个体建立局部抽象凸下界松弛模型;然后,利用下界松弛模型估计目标函数值来指导种群更新,同时利用下界估计区域极值点快速枚举算法系统排除部分无效区域;最后,借助线性拟凸包络的广义下降方向有效地实现局部增强.12个标准测试函数的实验结果表明,所提算法计算代价、可靠性及收敛速度均优于DE及DERL,DELB,SaDE等改进算法.

关键词：差分进化、全局优化、下界估计、抽象凸、支撑向量

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61075062,61379020;浙江省自然科学基金项目LY13F030008;浙江省科技厅公益项目2014C33088;浙江省重中之重学科开放基金资助项目20120811;杭州市产学研合作项目20131631E31资助.Supported by National Natural Science Foundation of China61075062,61379020;Natural Science Foundation of Zhejiang ProvinceLY13F030008;Public Welfare Project of Science Technology Department of Zhejiang Province2014C33088;Open Fund for Key-Key Discipline of Zhejiang Province20120811;Cooperation Project of Industry-Academia-Research Institute of Hangzhou20131631E31

在线出版日期：2015-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：388-397