差分演化的收敛性分析与算法改进

被引：69

作者：

贺毅朝 ^{[1
]}

王熙照 ^{[2
]}

刘坤起 ^{[1
,3
]}

王彦祺 ^{[1
]}

机构：

[1] 石家庄经济学院信息工程学院

[2] 河北大学数学与计算机学院

[3] 不详

来源：

软件学报 | 2010年 / 21卷 / 05期

关键词：

差分演化; 渐近收敛性; 压缩映射; 随机算子; 进化模式;

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：

为了分析差分演化(differential evolution,简称DE)的收敛性并改善其算法性能,首先将差分算子(differential operator,简称DO)定义为解空间到解空间的笛卡尔积的一种随机映射,利用随机泛函理论中的随机压缩映射原理证明了DE的渐近收敛性;然后,在"拟物拟人算法"的启发下,通过对DE各进化模式的共性特征与性能差异的分析,提出了一种具有多进化模式协作的差分演化算法(differential evolution with multi-strategy cooperating evolution,简称MEDE),分析了它所具有的隐含特性,并在多模式差分算子(multi-strategy differential operator,简称MDO)定义的基础上证明了它的渐进收敛性.对5个经典测试函数的仿真计算结果表明,与原始的DE,DEfirDE和DEfirSPX等算法相比,MEDE算法在求解质量、适应性和鲁棒性方面均具有较明显的优势,非常适于求解复杂高维函数的数值最优化问题.

引用

页码：875 / 885

页数：11

共 10 条

[1] 一种具有混合编码的二进制差分演化算法
贺毅朝
王熙照
寇应展
[J]. 计算机研究与发展, 2007, (09) : 1476 - 1484
[2] 基于混合差异进化优化算法的电力系统无功优化
张丰田
宋家骅
李鉴
程晓磊
[J]. 电网技术, 2007, (09) : 33 - 37
[3] 基于极大极小距离密度的多目标微分进化算法
张利彪
周春光
马铭
孙彩堂
[J]. 计算机研究与发展, 2007, (01) : 177 - 184
[4] 基于混合优化策略的微分进化改进算法
赵光权
彭喜元
孙宁
[J]. 电子学报, 2006, (S1) : 2402 - 2405
[5] 近世计算理论导引[M]. 科学出版社 , 黄文奇,许如初著, 2004
[6] 遗传算法的基本理论与应用[M]. 科学出版社 , 李敏强等著, 2002
[7] 随机泛函分析及应用[M]. 青岛海洋大学出版社 , 卢同善编著, 1990
[8] A trigonometric mutation operation to differential evolution
Fan, HY
Lampinen, J
[J]. JOURNAL OF GLOBAL OPTIMIZATION, 2003, 27 (01) : 105 - 129
[9] Differential evolution - A simple and efficient heuristic for global optimization over continuous spaces
Storn, R
Price, K
[J]. JOURNAL OF GLOBAL OPTIMIZATION, 1997, 11 (04) : 341 - 359
[10] Random Functional Analysis and Its Application. Lu TS. Qingdao Ocean University Press . 1990

← 1 →