集成两变异策略的差分进化算法 |
| |
引用本文: | 汪慎文,谢承旺,郭肇禄,王培崇,张翠军.集成两变异策略的差分进化算法[J].武汉大学学报(理学版),2019(3). |
| |
作者姓名: | 汪慎文 谢承旺 郭肇禄 王培崇 张翠军 |
| |
作者单位: | 河北地质大学信息工程学院;河北地质大学人工智能与机器学习研究室;南宁师范大学计算机与信息工程学院;江西理工大学理学院 |
| |
摘 要: | 在动态集成差分进化算法中,动态学习机制往往过于复杂且增加计算开销。为此,本文以传统差分进化算法框架为基础,提出集成DE/rand/1/bin和DE/best/1/bin两个优势互补的变异策略并设计动态执行机制,力求简化动态学习机制,且又能在全局搜索和局部搜索中寻找到平衡。实验结果表明:本文提出动态集成两个变异策略的差分进化算法(differential evolution algorithm integrated bi-mutation strategy,DE-BMS)缩放因子F选择为0. 9,交叉概率Cr选择为0. 1,算法具有更好的鲁棒性;与其他差分进化算法的收敛速度、成功次数解质量分别进行比较,DE-BMS在优化多峰函数问题时表现更佳。
|
本文献已被 CNKI 等数据库收录! |
|