基于新型变异策略的差分进化算法  

Differential evolution algorithm with novel mutation strategy

作　　者：宋锦[1,2] 师玉娇 高浩[2] 王保云[2] 

机构地区：[1]南京信息职业技术学院通信学院,江苏南京210046 [2]南京邮电大学自动化学院,江苏南京210023

出　　处：《计算机工程与设计》2016年第5期1285-1290,共6页Computer Engineering and Design

基　　金：国家自然科学基金项目(61203028);中国博士后基金项目(2014M551632);江苏省博士后基金项目(1402018A)

摘　　要：为加快算法的收敛速度和寻优能力,将粒子群算法和差分进化算法的优点结合起来,提出一种混合差分进化算法。在此基础之上引入一种新型的变异策略(包括全局变异和局部变异两种),平衡算法的全局搜索能力和收敛速度。采用大量标准测试函数对多种比较算法进行实验,实验结果表明,相比其它进化算法,改进以后的差分进化算法可以达到更快的收敛速度和更高的寻优精度,可以广泛应用于工业及生产领域。By combing the merits of PSO and DE,a hybrid DE algorithm was presented for accelerating its convergence speed and improving its search ability.And a novel mutation strategy with local and global search operators was proposed for balancing the exploration ability and the convergence rate of the improved DE.The proposed algorithm was applied to a set of benchmark test problems and compared with basic PSO and DE algorithms and their variants.Experimental results demonstrate the proposed algorithm shows better improvements on most test issues,and it can be applied to the industrial field.

关 键 词：差分进化算法 粒子群优化算法 全局搜索能力 收敛速度 变异策略 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]