计算机科学 ›› 2019, Vol. 46 ›› Issue (6A): 124-132.

• 智能计算 • 上一篇    下一篇

一种高效动态自适应差分进化算法

肖鹏, 邹德旋, 张强   

  1. 江苏师范大学电气工程及自动化学院 江苏 徐州221116
  • 出版日期:2019-06-14 发布日期:2019-07-02
  • 作者简介:肖 鹏(1989-),男,硕士生,主要研究方向为群智能算法,E-mail:876601620@qq.com;邹德旋(1982-),男,博士生,副教授,主要研究方向为群智能算法,E-mail:472101976@qq.com;张 强(1980-),男,硕士生,主要研究方向为群智能算法。
  • 基金资助:
    本文受国家自然科学基金青年基金(61403174)资助。

Efficient Dynamic Self-adaptive Differential Evolution Algorithm

XIAO Peng, ZOU De-xuan, ZHANG Qiang   

  1. School of Electrical Engineering and Automation,Jiangsu Normal University,Xuzhou,Jiangsu 221116,China
  • Online:2019-06-14 Published:2019-07-02

摘要: 针对差分进化算法易早熟收敛、收敛精度低等特点,文中提出一种高效动态自适应差分进化(EDSDE)算法。该算法从变异因子、变异策略以及交叉因子方面入手,将变异因子设置成线性递减函数,在基向量前加入幅值系数以平衡全局搜索和局部搜索,将交叉因子设置成在[0,1]内不断震荡且每隔50代更新一次的动态自适应函数。仿真实验结果表明,EDSDE能获得更好的优化结果,且比其他算法具有更好的优化性能。

关键词: 动态自适应差分进化算法, 动态自适应函数, 幅值系数, 线性递减函数, 早熟收敛

Abstract: This paper proposed an efficient dynamic self-adaptive differential evolution (EDSDE) algorithm based on the characteristics of premature convergence,low convergence accuracy.The algorithm starts with mutation factor,mutation strategy and crossover factor.It sets the mutation factor to a linear decreasing function,incorporates an amplitude coefficient into the base vector to balance the global search and the local search,and sets the crossover factor to a dynamic self-adaptive function that is constantly oscillated within [0,1] and updated every 50 generations.The simulation results show that EDSDE can obtain better optimization results and exhibit more desirable performance then the other algorithms.

Key words: Amplitude coefficient, Dynamic self-adaptive differential evolution algorithm, Dynamic self-adaptive function, Linear decreasing function, Premature convergence

中图分类号: 

  • TP301
[1]STORN R,PRICE K.Differential evolution a simple and effi-cient adaptive scheme for global optimization over continuous spaces[J].Journal of Global Optimization,1997,11(4):341-359.
[2]霍玉洪.切比雪夫不等式及其应用[J].长春工业大学学报:自然科学版,2012,33(6):713-714.
[3]曲良东,何登旭,吴尽昭.一种群模式全局搜索算法[J].模式识别与人工智能,2013,26(6):592-597.
[4]ZOU D X,GAO L Q.An Efficient Improved Differential Evolution Algorithm[C]∥第三十一届中国控制会议.Hefei,China,2012:2385-2390.
[5]孙成富,赵建洋,高磊.基于变权重因子差分进化算法的梯级水火电力系统调度[J].数据采集与处理,2017,32(1):95-103.
[6]卢有麟,周建中,覃晖,等.差分进化算法在电力系统环境经济调度中的应用[J].华中科技大学学报(自然科学版),2010,38(8):121-124.
[7]张锟,徐青,王一凡,等.自适应差分进化算法在边坡滑面搜索中的应用[J].岩土力学,2017,38(5):1503-1509.
[8]翁志远,方杰,孔敏,等.改进差分进化算法的作业车间调度优化策略[J].控制工程,2017,24(6):1282-1285.
[9]郭丽.自适应差分进化算法解决多目标有限缓冲车间调度问题研究[D].郑州:郑州大学,2016.
[10]吴娜,车蕾.基于改进DDE算法的协同干扰资源分配[J].电光与控制,2018,25(2):107-110.
[11]邹德旋,王鑫,段纳.一种基于修正差分进化的虹膜定位算法[J].控制理论与应用,2013,30(9):1194-1200.
[12]李目,何怡刚,周少武,等.一种差分进化算法优化小波神经网络及其在弱信号检测中的应用[J].计算机应用与软件,2010,27(3):29-31,39.
[13]陈亮.改进自适应差分进化算法及其应用研究[D].上海:东华大学,2012.
[14]刘龙龙,颜七笙.一种新的改进差分进化算法[J].江西科学,2017,35(4):485-489.
[15]欧阳海滨,高立群,孔祥勇.随机变异差分进化算法[J].东北大学学报:自然科学版,2013,34(3):330-334.
[16]BREST J,GREINER S,BOSKOVIC B,et al.Self-adapting control parameters in differential evolution:A comparative study on numerical benchmark problems[J].IEEE Transactions on Evolutionary Computation,2006,10(6):646-657.
[17]ZHANG J,SANDERSON A C.JADE:adaptive differential evolution with optional external archive[J].IEEE Transactions on Evolutionary Computation,2009,13(5):945-958.
[18]ISLAM S M,DAS S,GHOSH S,et al.An adaptive differential evolution algorithm with novel mutation and crossover strategies for global numerical optimization[J].IEEE Transactions on Systems,Man,and Cybernetics,Part B(Cybernetics),2012,42(2):482-500.
[19]RAHNAMAYAN S,TIZHOOSH H R,SALAMA M M A.Opposition-Based Differential Evolution[M].Springer Berlin Heidelberg,2008.
[20]ALI M M,KHOMPATRAPORN C,ZABINSKY Z B.A Nu-merical Evaluation of Several Stochastic Algorithms on Selected Continuous Global Optimization Test Problems[J].Journal of Global Optimization,2005,31(4):635-672.
[1] 刘亚红,张玮,樊吕彬.
生态金字塔粒子群优化算法
Ecological Pyramid Particle Swarm Optimization
计算机科学, 2017, 44(10): 237-244. https://doi.org/10.11896/j.issn.1002-137X.2017.10.043
[2] 张燕平,荆紫慧,张以文,钱付兰,石 磊.
基于离散粒子群算法的动态Web服务组合
Dynamic Web Service Composition Based on Discrete Particle Swarm Optimization
计算机科学, 2015, 42(6): 71-75. https://doi.org/10.11896/j.issn.1002-137X.2015.06.016
[3] 周利军,彭卫,曾小强,邹芳.
基于杂交变异的动态粒子群优化算法
Dynamic Particle Swarm Optimization Based on Hybrid Variable
计算机科学, 2013, 40(Z11): 143-146.
[4] 葛宇,梁静,王学平,谢小川.
求解函数优化问题的改进的人工蜂群算法
Improved Artificial Bee Colony Algorithms for Function Optimization
计算机科学, 2013, 40(8): 252-257.
[5] 胡 季,胡 英.
基于虚拟种群辅助搜索的改进型遗传算法
Improved Genetic Algorithm Based on the Assisted Search Method of the Virtual Population
计算机科学, 2012, 39(Z11): 313-315.
[6] 朱钰,韩昌佩.
一种种群自适应收敛的快速遗传算法
Improved Genetic Algorithm with Adaptive Convergence Populations
计算机科学, 2012, 39(10): 214-217.
[7] 魏波,李元香,徐星,申鼎才.
基于稳定策略的粒子群优化算法
Particle Swarm Optimization Algorithm Based on Stable Strategy
计算机科学, 2011, 38(12): 221-223.
[8] 朱红求,阳春华,桂卫华,李勇刚.
一种带混沌变异的粒子群优化算法
Particle Swarm Optimization with Chaotic Mutation
计算机科学, 2010, 37(3): 215-217.
[9] .
基于粒子群算法的遗传算法研究

计算机科学, 2007, 34(8): 145-147.
[10] 张应辉 曾庆华 王志伟.
遗传算法的混合算子策略

计算机科学, 2007, 34(4): 222-224.
[11] .
一种改进的抑制早熟收敛的模糊遗传算法

计算机科学, 2007, 34(11): 150-153.
[12] .
一种优化高维复杂函数的PSO算法

计算机科学, 2006, 33(8): 202-205.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!