解全局优化问题的差分进化策略

被引：3

作者：

潘长城

徐晨

李国

机构：

[1] 深圳大学数学与计算科学学院智能计算科学研究所

来源：

深圳大学学报(理工版) | 2008年 / 02期

关键词：

差分演化; 进化策略; 变异算子; 全局优化; 信号处理; 机器学习; 人工智能;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

以进化策略算法为框架,提出一种求解连续函数,特别是高维连续函数问题的优化算法——差分进化策略.该算法利用进化策略快速收敛的优点,融入了差分演化算法中具有较强全局搜索能力的变异算子.经数值实验分析表明,差分进化策略在函数优化过程中具有较强稳健性,可提高全局搜索能力,保持快速收敛优势,能用于研究生物进化、机器学习、人工智能、模糊系统及人工神经网络训练等领域.

引用

页码：211 / 215

页数：5

共 8 条

[1]

计算智能（第一册）——模拟进化计算[M]. 高等教育出版社 , 徐宗本编著, 2004

[2]

进化算法[M]. 冶金工业出版社 , 云庆夏编著, 2000

[3]

进化计算[M]. 国防科技大学出版社 , 王正志,薄涛著, 2000

[4] A novel evolution strategy for multiobjective optimization problem [J].

Yang, SM ;

Shao, DG ;

Luo, YJ .

APPLIED MATHEMATICS AND COMPUTATION, 2005, 170 (02) :850-873

[5]

Parallel evolutionary algorithms[J] . R Berlich,M Kunze.Nuclear Inst. and Methods in Physics Research, A . 2003 (2)

[6]

一种新型的多目标函数优化进化策略. YangSM,ShaoDG,LuoYJ. 应用数学与计算学报 . 2005

[7]

An advanced evolu-tionary strategy with an adaptive penalty functions for mixed-discrete structural optimization. Ebenau C,Rottschafer J,Thierauf G. Advances in Engi-neering Software . 2005

[8]

Computational Intelligence Simulated Evo-lutionary Algorithm. XU Zong-ben. Higher Education Press . 2004

← 1 →