动态多群体自适应差分进化算法.pdfVIP

·2046 · 2008 全国博士生学术论坛电气工程论文集 动态多群体自适应差分进化算法 张雪霞 蔡文钊 陈维荣 戴朝华 西南交通大学电气工程学院 四川 成都 610031 【摘 要】 提出一种改进的差分进化算法 ── 动态多群体自适应差分进化算法（DMSDE ）。该算法 将随机动态分群与参数自适应调整结合，以增强 个体间的信息交换、保持解的多样性的 同时平衡局部搜索与全局搜索。利用 10 个 benchmark 典型复杂函数对提出算法进行测 试，并与基本差分进化算法（DE ），带惯性权重的粒子群优化算法（PSO-w ），带收缩因 子的粒子群优化算法（PSO-cf ），全面学习粒子群优化算法（CLPSO ）以及自适应控制 参数改进差分进化算法（ SACPMDE ）进行了比较。算法分析与仿真结果表明：DMSDE 算法具有较高的搜索精度和收敛性，且具有较强的跳出局部最优解能力。 【关键词】 差分进化算法 动态多群体自适应差分进化算法 优化算法 Dynamic Multi-groups Self-adaptive Differential Evolution Algorithm Zhang Xuexia Cai Wenzhao Chen Weirong Dai Chaohua School of Electrical Engineering ，Southwest Jiaotong University ，Chengdu 610031 ，Sichuan ，China Abstract ：An improved algorithm based on differential evolution ，dynamic multi-groups self-adaptive differential evolution algorithm （DMSDE ），is proposed in this paper. DMSDE integrates random and dynamic multi-groups with self-adaptive control parameters to make individuals exchange information in order to maintain the diversity of the objective function solutions while balancing the local search and the global search. DMSDE is tested on ten complex benchmark functions. The results are compared with that of original differential evolution algorithm （DE ），particle swarm optimization with inertia weight （PSO- w ），particle swarm optimization with constriction factor （PSO-cf ），comprehensive learning particle swarm optimizer （CLPSO ） and self-adaptive control parameters modified differential evolution （SACPMDE ）. Analysis