基于精英区域学习的动态差分进化算法.pdfVIP

第 8期 电 子 学 报 V01．42 No．8 2014年 8月 ACTA ELEC11R0NICA SINICA Aug． 2014 基于精英区域学习的动态差分进化算法 彭 虎 ，一，吴志健 ，一，周新宇 ，邓长寿 (1．武汉大学软件工程国家重点实验室，湖北武汉4300-12；2．武汉大学计算机学院，湖北武汉 430072； 3．九江学院信息科学与技术学院，江西九江 332005) 摘 要：DE算法简单高效，但对复杂问题也存在收敛效率较低的问题，为提高DE算法的全局勘探能力和收敛 精度，提出了一种新的精英区域学习动态差分进化算法，算法首先将历史精英保存在精英池中，然后采用正弦函数对 精英池中的精英进行区域学习，最后利用动态 DE模式有效提高收敛的速度，并从理论上证明了算法的收敛性 ．通过 对包括单峰函数、多峰函数和偏移函数的20个基准测试函数的仿真实验和分析，验证了新算法的有效性和适用性，其 能在保持较高的收敛速度的同时也能保持较好的收敛精度，经与多种知名的DE算法在统计学上的分析比较，证明了 该算法是一种具有竞争力的新算法． 关键词： 差分进化；精英池；精英区域学习；动态差分进化 中图分类号： TP18 文献标识码： A 文章编号： 0372—2112(2014)08—1522—09 电子学报URL：http：／／www．eiounla1．org．cn DOI：10．3969／j．issn．0372—2112．2014．08．010 DynamicDifferentialEvolutionAlgorithm BasedonEliteLocalLearning PENG Hu1,2WUZhi．jiaJ1，一，ZHOUXin—yU12,DENGChang．shou3 , (1．State LabofSo~ reEngineering，WuhanUniversity，Wulmn，Hubei430072，China； 2．ComputerSchool，WuhanUniversity，Wuhan，Hubei430072，hC ina； 3．SchoolofhbformationScienceandTechnology， University，Jiujiang，Jiangxi332005，China) Abstract： DE algorithm issimpleandefficient，butforcomplexproblemsalsoexisttheproblem oflow efficiencyofconver— gence．Inordertomiprovetheglobalexplorationabilitynadconvergenceprecision，thispaperproposesanovelefitelocal learning dynamicdifferential evolutionalgorithm ．Firstlyhtehistoryelitesarepreservedinhteelitepool，nadhtenhteelitesni htepoolcon— ductlocal learningbysinefunctions，finallydynamicDE modelisusedtoeffectivelymi provehtespede of convergence，nadhte convergenceofhtealgorithm isprovde inhteory ．Algorithm hasbeentestedon20benchmarkfunctionsnicludingunimodalfun