基于群智能的新型反向混合差分进化算法

被引：11

作者：

吴昱

李元香

徐星

机构：

[1] 软件工程国家重点实验室武汉大学

来源：

小型微型计算机系统 | 2009年 / 30卷 / 05期

关键词：

差分进化; 粒子群优化; 反向学习; 信息共享; 反向初始化;

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：

依据PSO和DE在函数优化方面所展现的优越性能,提出一种融合粒子群智能思想的新型反向混合差分进化算法(ODE-SI).本文分析这两种启发式方法之间的潜在联系,并在ODE-SI中不仅保留了粒子群智能思想中的经验记忆,而且应用了反向学习(opposition-based learning,OBL)操作促使演化生成过程的跃变,从而使算法具有较高的收敛速度和较好的种群多样性.此外,通过测试函数的仿真实验,本文将ODE-SI与其他DE和PSO算法进行比较.实验结果证实了新算法的高效性、通用性和稳健性.

引用

页码：903 / 907

页数：5

共 3 条

[1] 差异演化的实验研究 [J].

谢晓锋 ;

张文俊 ;

张国瑞 ;

杨之廉 ;

不详 .

控制与决策 , 2004, (01) :49-52+56

[2] Differential evolution - A simple and efficient heuristic for global optimization over continuous spaces [J].

Storn, R ;

Price, K .

JOURNAL OF GLOBAL OPTIMIZATION, 1997, 11 (04) :341-359

[3]

A comparative study of differential evolution variants for global optimization. Mezura-Montes E,Velazquez-Reyes J,Coello C A. Proceeding of Genetic and Evolutionary Computation Conference . 2006

← 1 →