差分进化算法综述 - 模式识别与人工智能.PDFVIP

第21卷摇 第4 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 模式识别与人工智能摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Vol.21摇 No.4 摇 2008年8月摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 PR AI摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Aug摇 摇 2008 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 差差 分 进 化 算 法 综 述 杨启文摇 摇 蔡摇 亮摇 摇 薛云灿 (河海大学常州校区计算机与信息工程学院常州摇 213022) 摘摇 要摇 差分进化算法是一类基于种群的启发式全局搜索技术,对于实值参数的优化具有较强的鲁棒性.为了提 高差分进化算法的寻优速度、克服启发式算法常见的早熟收敛问题,许多学者对差分进化算法进行改进.本文综述 差分进化的基本形式及其多种改进形式,讨论它们的优缺点,指出下一步的改进方向. 关键词摇 差分进化,启发式优化,遗传算法 中图法分类号摇 TP 181 A Survey of Differential Evolution Algorithms YANG Qi蛳Wen,CAI Liang,XUE Yun蛳Can (College of Computer and Information Engineering,Hohai University,Changzhou213022) ABSTRACT Differential evolution (DE) is a heuristic global optimization technique based on population. It is robust for real parameter optimization. To speed up the optimization and overcome the premature convergence of the heuristic optimization technique, many modifications are made to DE. The basic version of DE and its modifications are presented, and their advantages and disadvantages are also discussed. Some issuesfor further research on DE are addressed. Key Words摇 Differential Evolution,Heuristic Optimization,Genetic Algorithm 1摇 引摇 言 局寻优能力,因而成为最优化领域的一个研究热 [1] 点 . 最优化方法分为传统优化方法和启发式优化方 在众多启发式优化方法中,差分进化(Differen鄄 法两大类.传统优化方法大多利用目标函数的梯度 tial Evolution,DE)是一种基于群体差异的启发式随 (或导数)信息实现单可行解的惯序、确定性搜索; 机搜索算法,该算法是 R.Storn 和 K.Price 为求解 [2-4] 启发式优化方法以仿生算法为主,通过启发式搜索