基于Baldwin效应的memetic差分进化算法  

Baldwin Effect-based Memetic Differential Evolution Algorithm

作　　者：文童[1] 王毅 华继学[1] 魏晓辉 杨进帅 

机构地区：[1]空军工程大学防空反导学院,西安710051 [2]西北大学信息科学与技术学院,西安710127 [3]解放军第463医院,沈阳110042

出　　处：《空军工程大学学报（自然科学版）》2017年第5期105-110,共6页Journal of Air Force Engineering University(Natural Science Edition)

基　　金：国家自然科学基金(61402517);中国博士后基金(2013M542331);陕西省自然科学基金(2013JQ8035)

摘　　要：针对Baldwin效应在memetic差分进化算法中使用不成熟的研究现状,提出一种基于Baldwin效应的memetic差分进化算法。算法采用简化的模式搜索为局部搜索算子,差分进化算法为全局搜索算子,Baldwin效应为结合机制。创新了Baldwin效应的实现方法:改进普通memetic差分进化算法中仅根据个体适应度值引导进化的方法,加大局部搜索成功个体的被学习概率,使其能够参与引导进化。在CEC2014中30个测试函数上与其它知名差分进化算法对比,实验结果表明改进的算法具有更强的跳出局部最优解能力和更快的收敛速度。Aimed at the problem that Baldwin effect in memetic differential evolution is not ripe for application, This paper proposes a Baldwin effect-based memetic differential evolution （BMDE） algorithm. The algorithm takes the simplified Hooke Jeeves as a local search and DE for globe search with Baldwin effect to Differ from other memetic DE algorithms. The proposed algorithm uses a new method to carry out Baldwin effect by enlarging learned probability of individuals with better local search to change the evolution direction and diversify the population. Tested by 30 benchmark functions in CEC2014 and compared with standard DE and 3 state-of-the-art DE algorithms, BMDE performs satisfied convergence ability.

关 键 词：MEMETIC算法 BALDWIN效应 差分进化 模式搜索 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]