采用双变异策略的自适应差分进化算法及应用

被引：14

作者：

沈鑫 ^{[1
]}

邹德旋 ^{[1
]}

张强 ^{[1
,2
]}

机构：

[1] 江苏师范大学电气工程及自动化学院

[2] 徐州开放大学信息技术与电气工程学院

来源：

计算机工程与应用 | 2020年 / 04期

关键词：

差分进化算法; 双变异策略; 中心解; 自适应交叉概率; 测试函数; 电力系统动态经济调度;

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：

为了克服差分进化算法早熟收敛和寻优精度低的缺点,提出一种采用双变异策略的自适应差分进化算法(Adaptive Differential Evolution Algorithm using Double mutation strategies,DADE)。DADE引入基于种群相似度和中心解的双变异策略,有效平衡了算法的全局搜索和局部搜索;自适应交叉概率使种群个体向更新成功的个体学习,有利于后续种群的进化。在7个测试函数和3个电力系统动态经济调度(Dynamic Economic Dispatch,DED)问题上的优化结果表明,DADE算法与其他4种DE算法相比具有更强的全局寻优能力,且对电力系统动态经济调度问题的优化结果优于文献中所报道的结果。

引用

页码：146 / 157

页数：12

共 29 条

[1] 基于自适应变异差分进化算法的溶解氧浓度控制系统 [J].

汤伟 ;

白志雄 ;

高祥 .

中国造纸, 2017, 36 (06) :49-54

[2] 基于极值优化的混合差分进化算法 [J].

王丛佼 ;

王锡淮 ;

肖建梅 .

计算机科学, 2013, 40 (05) :257-260

[3] 随机变异差分进化算法 [J].

欧阳海滨 ;

高立群 ;

孔祥勇 .

东北大学学报(自然科学版), 2013, 34 (03) :330-334

[4] 差分进化粒子群混合优化算法的研究与应用 [J].

杨妍 ;

陈如清 ;

俞金寿 .

计算机工程与应用, 2010, 46 (25) :238-241

[5] 混合差分进化-和声搜索算法在结构工程中的应用 [J].

邹德旋 ;

高立群 ;

吴建华 ;

吴沛锋 .

东北大学学报(自然科学版), 2010, (06) :769-772

[6]

Using a genetic algorithm to improve oil spill prediction[J] . Weijun Guo,Meirong Jiang,Xueyan Li,Bing Ren.Marine Pollution Bulletin . 2018

[7]

Solving the dynamic economic dispatch by a memory-based global differential evolution and a repair technique of constraint handling[J] . Dexuan Zou,Steven Li,Xiangyong Kong,Haibin Ouyang,Zongyan Li.Energy . 2018

[8] Self-adaptive differential evolution algorithm with improved mutation mode [J].

Wang, Shihao ;

Li, Yuzhen ;

Yang, Hongyu .

APPLIED INTELLIGENCE, 2017, 47 (03) :644-658

[9]

An improved adaptive differential evolution algorithm for continuous optimization[J] . Wenchao Yi,Yinzhi Zhou,Liang Gao,Xinyu Li,Jianhui Mou.Expert Systems With Applications . 2016

[10]

Multi-elite guide hybrid differential evolution with simulated annealing technique for dynamic economic emission dispatch[J] . Huifeng Zhang,Dong Yue,Xiangpeng Xie,Songlin Hu,Shengxuan Weng.Applied Soft Computing . 2015

← 1 2 3 →