一种融合邻域搜索的多策略差分进化算法

发布时间：2024-02-04 16:39

　　设计多策略差分进化算法的难点在于选择何种变异策略以及如何分配这些策略。提出一种融合邻域搜索的多策略差分进化算法,根据个体适应度值将种群分为3个子种群,每个子种群分别采用不同的变异策略和参数值,使得各子种群的搜索能力可互补,有助于平衡整个种群的勘探和开采能力。同时,对适应度值最好的子种群采用邻域搜索操作,充分挖掘优质个体可能包含的有益信息用于指导搜索。在34个测试函数上实验,与包含7种差分进化算法在内的12种进化算法进行对比,结果表明该算法在大多数函数上取得了更好性能。

【文章页数】：14 页

【部分图文】：

图1邻域搜索操作示意图Fig.1Demonstrationofneighborhoodsearchoperator

的2个个体的位置，即下标a和b均在[iK,iK]范围内取值，3个系数r1、r2、r3是[0,1]范围内的随机数，并且满足条件123rrr1。与搜索公式略有不同的是，我们结合DE算法的特点，将目标个体的历史最优位置pbesti更改为目标个体的K邻域范围内的最优个体的位置lbesti....

本文编号：3895529