一种融合Powell搜索法的差分进化算法  

A DIFFERENTIAL EVOLUTION ALGORITHM BASED ON POWELL SEARCH METHOD

作　　者：宁桂英[1] 曹敦虔 周永权 

机构地区：[1]广西科技大学鹿山学院,柳州545616 [2]广西民族大学理学院,南宁530006 [3]广西民族大学信息科学与工程学院,南宁530006

出　　处：《高等学校计算数学学报》2017年第3期267-280,共14页Numerical Mathematics A Journal of Chinese Universities

基　　金：国家自然科学基金(61165015);2015年度广西高校科学技术研究项目(KY2015YB521);2015年度广西高校科学技术研究项目(KY2015YB081);2016年度广西高等教育本科教学改革工程重点项目(2016JGZ189)

摘　　要：1引言 在自然科学和工程技术领域中，人们遇到的很多问题都可归结为目标优化问题，求解目标优化问题，经典的传统方法有：单纯形法、牛顿法、共轭梯度法、爬山法等．而在实际应用中，人们遇到的往往是些非线性、大规模的优化问题，传统方法难以求得最优解．近年来，群体智能算法成为一个研究的热点，遗传算法（GA）、粒子群算法（PSO）、In the function optimization, in order to overcome the shortcomings of Differential Evolution Algorithm including precocious, slow convergence speed, easily falling into local optimum value, a Differential Evolution Algorithm Based on Powell Search Method is proposed. The Powell search method and the differential evolution algorithm are used alternately. The group optimized by the differential evolution algorithm has a certain probability to participate in the Powell search. By using the advantage of Powell search method including high precision, fast convergence speed and strong local search ability, the disadvantages of differential evolution algorithm is avoided effectively. Through the test of 10 classical functions, the simulation results show that the proposed algorithm outperforms the standard differential evolution algorithm in terms of convergence speed and convergence precision.

关 键 词：差分进化算法 Powell 搜索法 优化问题 群体智能算法 传统方法 共轭梯度法 粒子群算法 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]