一种基于精英云变异的差分演化算法

被引：11

作者：

郭肇禄 ^{[1
,2
]}

吴志健 ^{[1
,2
]}

汪靖 ^{[3
]}

汪慎文 ^{[1
,2
,4
]}

谢承旺 ^{[5
]}

机构：

[1] 武汉大学软件工程国家重点实验室

[2] 武汉大学计算机学院

[3] 江西财经大学软件与通信工程学院

[4] 石家庄经济学院信息工程学院

[5] 华东交通大学软件学院

来源：

武汉大学学报(理学版) | 2013年 / 59卷 / 02期

关键词：

差分演化算法; 云模型; 反向学习; 停滞现象;

D O I：

10.14188/j.1671-8836.2013.02.002

中图分类号：

TP301.6 [算法理论];

学科分类号：

080201 [机械制造及其自动化];

摘要：

针对传统差分演化算法在演化过程中存在少数个体出现停滞的现象,提出一种基于精英云变异的差分演化算法.该算法在演化过程中统计出每个个体的停滞代数,当一个个体的停滞代数达到指定的阈值时,对该个体执行精英云变异操作,使其向最优个体靠近,从而加快收敛速度;同时以一定的概率对所有个体执行一般反向学习操作,以增加种群的多样性.对比实验结果表明该算法在收敛速度和求解精度上均具有一定的优势.

引用

页码：117 / 122

页数：6

共 8 条

[1]

不确定性人工智能.[M].李德毅;杜鹢著;.国防工业出版社.2005,

[2]

Enhancing particle swarm optimization using generalized opposition-based learning [J].