一种两状态动态优化的自学习差异进化算法-计算机应用与软件.pdfVIP

第３３卷第４期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．４ ２０１６年４月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｐｒ．２０１６ 一种两状态动态优化的自学习差异进化算法  张荣华　刘长征 　郭　理 （新疆石河子大学信息科学与技术学院　新疆石河子 ８３２００３） 摘　要　　提出一种具有自学习机制的差异进化算法ＳｅＤＥ（ＳｅｌｆＬｅａｒｎｉｎｇＤｉｆｆｅｒｅｎｔｉａｌＥｖｏｌｕｔｉｏｎ），提高在动态优化求解过程中群体适 应环境动态变化的能力。采用重新评估特定个体的方式监测环境变化。通过群体向新状态历史最优解引导学习，将当代最优个体 和两随机个体共同引导个体，保持群体多样性的同时加快算法收敛速度，降低环境的频繁变化对算法搜索能力的影响。通过６个动 态函数测试了变化周期、函数维数对算法的影响，同时将新算法与两个同类算法比较，实验结果表明，自学习差异进化能更快地适应 环境动态变化，获得更好的优化结果。 关键词　　智能计算　差异进化　动态优化　自学习机制 中图分类号　ＴＰ１８　ＴＰ３１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．０４．０５７ ＡＳＥＬＦＬＥＡＲＮＩＮＧＤＩＦＦＥＲＥＮＴＩＡＬＥＶＯＬＵＴＩＯＮＡＬＧＯＲＩＴＨＭＷＩＴＨ ＤＵＡＬＳＴＡＴＥＤＹＮＡＭＩＣＯＰＴＩＭＩＳＡＴＩＯＮ  ＺｈａｎｇＲｏｎｇｈｕａ　ＬｉｕＣｈａｎｇｚｈｅｎｇ　ＧｕｏＬｉ （ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＳｈｉｈｅｚｉＵｎｉｖｅｒｓｉｔｙ，Ｓｈｉｈｅｚｉ８３２００３，Ｘｉｎｊｉａｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｗｅｐｒｏｐｏｓｅｄａｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎａｌｇｏｒｉｔｈｍｗｉｔｈｓｅｌｆｌｅａｒｎｉｎｇｍｅｃｈａｎｉｓｍｆｏｒｉｍｐｒｏｖｉｎｇｔｈｅｃａｐａｂｉｌｉｔｙｏｆｐｏｐｕｌａｔｉｏｎｉｎ ａｄａｐｔｉｎｇｔｏｄｙｎａｍｉｃｅｎｖｉｒｏｎｍｅｎｔａｌｃｈａｎｇｅｓｉｎｄｙｎａｍｉｃａｌｌｙｏｐｔｉｍｉｓｅｄｓｏｌｖｉｎｇｐｒｏｃｅｓｓ．Ｂｙｕｓｉｎｇｔｈｅａｐｐｒｏａｃｈｏｆｒｅｅｖａｌｕａｔｉｎｇｓｐｅｃｉｆｉｃ ｉｎｄｉｖｉｄｕａｌｓｔｈｅａｌｇｏｒｉｔｈｍｍｏｎｉｔｏｒｓｔｈｅｅｎｖｉｒｏｎｍｅｎｔａｌｃｈａｎｇｅｓ．Ｔｈｒｏｕｇｈｐｏｐｕｌａｔｉｏｎｉｔｇｕｉｄｅｓｔｈｅｌｅａｒｎｉｎｇｏｆｔｈｅｎｅｗｓｔａｔｅｈｉｓｔｏｒｉｃａｌｏｐｔｉｍａｌ ｓｏｌｕｔｉｏｎ，ａｎｄｇｕｉｄｅｓｔｈｅｉｎｄｉｖｉｄｕａｌｓｂｙｔｈｅｃｏｎｔｅｍｐｏｒａｒｙｏｐｔｉｍａｌｉｎｄｉｖｉｄｕａｌａｎｄｔｈｅｄｕａｌｒａｎｄｏｍｉｎｄｉｖｉｄｕａｌｓｊｏｉｎｔｌｙ；ｉｔｋｅｅｐｓｔｈｅｄｉｖｅｒｓｉｔｙｏｆ ｔｈｅｐｏｐｕｌａｔｉｏｎｗｈｉｌｅｓｐｅｅｄｉｎｇｕｐｔｈｅｃｏｎｖｅｒｇｅｎｃｅｒａｔｅｏｆｔｈｅａｌｇｏｒｉｔｈｍ，ａｎｄｒｅｄｕｃｅｓｔｈｅｉｍｐａｃｔｏｆｆｒｅｑｕｅｎｔｅｎｖｉｒｏｎｍｅｎｔａｌｃｈａｎｇｅｓｏｎ ａｌｇｏｒｉｔｈｍ’ｓｓｅａｒｃｈａｂｉｌｉｔｙ．Ｗｅｔｅｓｔｅｄｔｈｅｉｎｆｌｕｅｎｃｅｓｏｆｃｈａｎｇｅｐｅｒｉｏｄａｎｄｆｕｎｃｔｉｏｎ’ｓｄｉｍｅｎｓｉｏｎｏｎｔｈｅａｌｇｏｒｉｔｈｍｔｈｒｏｕｇｈ６ｄｙｎａｍｉｃｆｕｎｃｔｉｏｎｓ， ａｎｄｃｏｍｐａｒｅｄｔｈｅｎｅｗａｌｇｏｒｉｔｈｍｗｉｔｈｔｗｏｓｉｍｉｌａｒａｌｇｏｒｉｔｈｍｓａｔｔｈｅｓａｍｅｔｉｍｅ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｄｅｍｏｎｓｔｒａｔｅｄｔｈａｔｔｈｅｓｅｌｆｌｅａｒｎｉｎｇ ｄｉｆｆｅｒｅｎｔｉａｌａｌｇｏｒｉｔｈｍｃｏｕｌｄａｄａｐｔｔｏｔｈｅｄｙｎａｍｉｃｅｎｖｉｒｏｎｍｅｎｔａｌｃｈａｎｇｅｓｍｏｒｅｒａｐｉｄｌｙａｎｄ