基于差分進化算法的改進
大小：0.98 MB 人氣： 2017-12-04 需要積分：1
標簽：差分進化算法(1213)
針對差分進化（DE）算法存在的尋優精度低、收斂速度慢等問題，借鑒混沌分散策略、反向學習策略（OBL）以及跨種群并行機制，提出一種基于反向學習的跨種群差分進化算法（OLCPDE）。采用混沌分散策略進行種群初始化，將種群劃分為精英種群和普通種群，對兩個子種群分別采用標準的差分進化策略和基于反向學習的差分進化策略；同時，為進一步提高算法對單峰函數的求解精度和穩定性，采用了一種跨種群的差分進化策略，運用三種策略對于種群進行操作，達到共同進化的目的。實驗獨立運行30次，OLCPDE在12個標準的測試函數中，有11個函數都能穩定地收斂到全局最優解，優于對比算法。實驗結果表明，OLCPDE收斂精度高，能有效避免陷入局部最優點。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%