基于自适应多变异的差分进化算法与应用  

Differential Evolution Algorithm Based on Adaptive Multi-variation Niche

作　　者：袁毅 董自健 Yuan Yi;Dong Zijian(School of Electronic Engineering,Jiangsu Ocean University,Lianyungang,China)

机构地区：[1]江苏海洋大学电子工程学院,江苏连云港

出　　处：《科学技术创新》2024年第12期104-107,共4页Scientific and Technological Innovation

基　　金：连云港市博士后科研资助计划项目(LYG20210010)。

摘　　要：标准差分进化算法(DE)存在局部搜索能力弱、参数敏感性高等缺点,为了提升算法的性能,设计了一种基于自适应多变异的差分进化算法(AMVDE),该算法首先在种群初始化阶段使用反向学习策略提升个体的质量,然后通过多种变异策略和自适应控制参数增加算法的探索性和鲁棒性。最后将AMVDE算法应用于解决生物信息学中超复杂度的蛋白质结构预测问题,验证了算法的有效性和可靠性。The standard differential evolution algorithm(DE)has the drawbacks of weak local search ability and high parameter sensitivity.In order to improve the performance of the algorithm,an adaptive multi mutation based differential evolution algorithm(AMVDE)is designed.This algorithm first uses reverse learning strategy to improve the quality of individuals during the population initialization stage,and then increases the exploratory and robust properties of the algorithm through multiple mutation strategies and adaptive control parameter scaling.Finally,the AMVDE algorithm was applied to solve the super complex protein structure prediction problem,verifying the effectiveness and reliability of the algorithm.

关 键 词：差分进化算法 反向学习 参数自适应 蛋白质结构预测 粗粒度能量模型 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]