科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出一种以优秀个体为导向的多策略差分进化算法。首先根据适应度值将种群等分为三个子种群，针对不同的种群使用不同的变异策略和控制参数。其次，针对适应度值较差的种群提出了一种新的变异策略，通过引入学习因子和平衡因子，对提高收敛速度、精度和易陷入局部最优状态进行平衡，并对其中个体的控制参数采取自适应的机制，降低种群陷入停滞状态的概率。除此，在每次迭代完成之后，三个种群会重新组成一个新的种群，从而实现了不同种群之间信息的交互。最后，用19个标准测试函数对所提出算法的性能进行了测试，并将其与一些主流差分算法进行了比较。实验的结果表明，所提出的算法在大部分函数的收敛速度以及精度上有了明显的提升。
- 单位
