基于当前最优解的反向差分进化算法求解函数优化问题

被引：13

作者：

徐庆征 ^{[1
,2
]}

王磊 ^{[1
]}

何宝民 ^{[1
]}

王娜 ^{[2
]}

机构：

[1] 西安理工大学计算机科学与工程学院

[2] 西安通信学院军事电子工程系

来源：

应用科学学报 | 2011年 / 29卷 / 03期

关键词：

差分进化; 基于反向学习; 当前最优解; 函数优化;

D O I：

暂无

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：

当最优解偏离目标函数定义域的几何中心时,反向个体容易远离全局最优解,基于反向差分进化算法的性能会大幅降低.该文引入基于当前最优解的反向学习策略,并与差分进化算法相结合,求解函数优化问题.当前代的最优解作为候选解和相应反向个体之间的对称点,能保证反向种群的利用率始终维持在较高水平.实验结果表明,该算法可行而高效,且算法性能的提升完全是反向个体的贡献.此外,提出一种增强的基于反向差分进化算法,展示出此类优化方法的最优效果.

引用

页码：308 / 315

页数：8