基于搜索偏好知识的复杂多模差分进化算法

作者：陈作汉; 曹洁^*; 赵付青; 张建林

来源：电子科技大学学报, 2020, 49(06): 875-882.

• 差分进化
• 复杂多模优化
• 变异策略
• 偏好知识

针对复杂多模优化问题,提出一种基于搜索偏好知识的差分进化算法PKLSHADE。PKLSHADE将先验搜索偏好知识注入到种群的进化过程,在不同的进化阶段对种群的多样性和集约性区分考虑,进化早期重视差分扰动以增强算法的全局开发能力,进化后期更多围绕当前最优解进行局部精细搜索。同时,基于搜索偏好知识的变异策略能够实现差分进化算法全局开发和局部搜索的自适应平滑过渡,避免两搜索阶段的硬切换。在CEC2017复杂混合多模函数上的实验结果及统计分析表明,PKLSHADE在最优解的精度、算法的稳定性等方面均优于LSHADE、EBLSHADE、jSO及AMECoDEs等近年来的优秀差分进化算法。

• 单位
  兰州理工大学; 甘肃省制造业信息化工程技术研究中心