基于两种进化模式的双种群协作差分演化算法

被引：9

作者：

王培崇 ^{[1
]}

贺毅朝 ^{[2
]}

钱旭 ^{[1
]}

机构：

[1] 中国矿业大学机电与信息工程学院

[2] 石家庄经济学院信息工程学院

来源：

计算机工程与应用 | 2008年 / 25期

关键词：

差分演化; 进化模式; 协作进化; Benchmark函数;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

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。

引用

页码：60 / 64

页数：5

共 5 条

[1] 基于极大极小距离密度的多目标微分进化算法 [J].

张利彪 ;

周春光 ;

马铭 ;

孙彩堂 .

计算机研究与发展, 2007, (01) :177-184

[2] 自适应二次变异差分进化算法 [J].

吴亮红 ;

王耀南 ;

袁小芳 ;

周少武 .

控制与决策 , 2006, (08) :898-902

[3] 利用改进的微分进化算法求解带平衡约束的圆形packing问题 [J].

刘建 ;

黄文奇 .

信息与控制, 2006, (01) :103-107+113

[4] Differential Evolution Training Algorithm for Feed-Forward Neural Networks [J].

Jarmo Ilonen ;

Joni-Kristian Kamarainen ;

Jouni Lampinen .

Neural Processing Letters, 2003, 17 :93-105

[5]

Rainer Storn,Kenneth Price.Differential Evolution - A Simple and Efficient Heuristic for global Optimization over Continuous Spaces[J].Journal of Global Optimization,1997

← 1 →