采用差分进化策略的入侵杂草改进算法及函数优化应用.pdfVIP

第３１卷第６期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．６ ２０１４年６月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊｕｎ．２０１４ 采用差分进化策略的入侵杂草改进算法及函数优化应用 李　森　任晓娜 （河南工业职业技术学院网络管理中心　河南南阳４７３０００） 摘　要　　针对入侵杂草优化算法易出现早熟且收敛速度较慢的问题，提出一种具有差分进化策略的入侵杂草算法。利用差分进 化策略较强的开发能力，对种子进行交叉变异选择操作以帮助算法跳出局部最优；同时，为了提高算法的收敛速度和种群多样性，提 出对杂草进行初始化并采用基于混沌反向学习的初始化方法。对８个标准测试函数进行的仿真实验表明：与标准杂草优化、差分进 化及混合杂草优化算法相比，提出的改进算法具有较快的收敛速度、较高的收敛精度及较强的搜索全局最优解的能力。 关键词　　入侵杂草优化　混沌　反向学习　差分进化策略　函数优化 中图分类号　ＴＰ１８　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．０６．０７７ ＡＮＩＭＰＲＯＶＥＤＩＮＶＡＳＩＶＥＷＥＥＤＯＰＴＩＭＩＳＡＴＩＯＮＡＬＧＯＲＩＴＨＭＷＩＴＨＤＩＦＦＥＲＥＮＴＩＡＬ ＥＶＯＬＵＴＩＯＮＳＴＲＡＴＥＧＹＡＮＤＡＰＰＬＩＣＡＴＩＯＮＯＦＦＵＮＣＴＩＯＮＯＰＴＩＭＩＳＡＴＩＯＮ ＬｉＳｅｎ　ＲｅｎＸｉａｏｎａ （ＮｅｔｗｏｒｋＭａｎａｇｅｍｅｎｔＣｅｎｔｅｒ，ＨｅｎａｎＰｏｌｙｔｅｃｈｎｉｃＩｎｓｔｉｔｕｔｅ，Ｎａｎｙａｎｇ４７３０００，Ｈｅｎａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｓｏｆｂｅｉｎｇｐｒｏｎｅｔｏｐｒｅｍａｔｕｒｅａｎｄｓｌｏｗｃｏｎｖｅｒｇｅｎｃｅｒａｔｅｉｎｉｎｖａｓｉｖｅｗｅｅｄｏｐｔｉｍｉｓａｔｉｏｎａｌｇｏｒｉｔｈｍ，ｗｅ ｐｒｏｐｏｓｅａｎｉｎｖａｓｉｖｅｗｅｅｄｏｐｔｉｍｉｓａｔｉｏｎａｌｇｏｒｉｔｈｍｗｉｔｈｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎｓｔｒａｔｅｇｙ．Ｉｔｍａｋｅｓｕｓｅｏｆｔｈｅｓｔｒｏｎｇｅｒｄｅｖｅｌｏｐｍｅｎｔａｂｉｌｉｔｙｏｆ ｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎｓｔｒａｔｅｇｙｔｏｈｅｌｐｔｈｅａｌｇｏｒｉｔｈｍｔｏｊｕｍｐｏｕｔｏｆｔｈｅｌｏｃａｌｏｐｔｉｍａｂｙｔｈｅｏｐｅｒａｔｉｏｎｓｏｆｃｒｏｓｓｏｖｅｒｍｕｔａｔｉｏｎａｎｄｓｅｌｅｃｔｉｏｎｏｎ ｓｅｅｄｓ．Ｍｅａｎｗｈｉｌｅ，ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅｃｏｎｖｅｒｇｅｎｃｅｒａｔｅａｎｄｐｏｐｕｌａｔｉｏｎｄｉｖｅｒｓｉｔｙ，ｗｅｐｒｏｐｏｓｅｔｏｉｎｉｔｉａｌｉｓｅｗｅｅｄａｎｄａｄｏｐｔａｎｉｎｉｔｉａｌｉｓａｔｉｏｎ ｍｅｔｈｏｄｂａｓｅｄｏｎｃｈａｏｔｉｃｒｅｖｅｒｓｅｌｅａｒｎｉｎｇ．Ｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔｏｎ８ｂｅｎｃｈｍａｒｋｔｅｓｔｆｕｎｃｔｉｏｎｓｓｈｏｗｓｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｈａｓｆａｓｔｅｒ ｃｏｎｖｅｒｇｅｎｃｅｒａｔｅ，ｈｉｇｈｅｒｐｒｅｃｉｓｉｏｎａｎｄｓｔｒｏｎｇｅｒｃａｐａｂｉｌｉｔｙｏｆｓｅａｒｃｈｉｎｇｇｌｏｂａｌｏｐｔｉｍａｌｓｏｌｕｔｉｏｎｔｈａｎｔｈｅＩＷＯ，ＤＥａｎｄＨＩＷＯａｌｇｏｒｉｔｈｍｓ． Ｋｅｙｗｏｒｄｓ　　Ｉｎｖａｓｉｖｅｗｅｅｄｏｐｔｉｍｉｓａｔｉｏｎ　Ｃｈａｏｓ　Ｒｅｖｅｒｓｅｌｅａｒｎｉｎｇ　Ｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎｓｔｒａｔｅｇｙ　Ｆｕｎｃｔｉｏｎｏｐｔｉｍｉｓａｔｉｏｎ ０　引　言 １　入侵杂草优化算法 ［１］ Ｍｅｈｒａｂｉａｎ等 于２００６提出的入侵杂草算法ＩＷＯ（Ｉｎｖａｓｉｖｅ 标准ＩＷＯ算法是模拟自然界中杂草在种群空间中扩散、生 ＷｅｅｄＯｐｔｉｍｉｚａｔｉｏｎ），是继差分进化算法［２］ ［３］ 、人工蜂群算法