基于混合优化策略的微分进化改进算法-电子学报.PDF

第 12A 期 电　　子 　　学 　　报 Vol . 34 　No . 12A 　2006 年 12 月 ACTA ELECTRONICA SINICA Dec . 　2006 　 基于混合优化策略的微分进化改进算法 赵光权 ,彭喜元 ,孙 　宁 ( 哈尔滨工业大学自动化测试与控制系 ,黑龙江哈尔滨 150080) 　　摘 　要 : 　微分进化算法具有控制参数少 、鲁棒性强 、易于使用等优点 ,并具有不同的优化策略. 本文在对微分进 化算法各优化策略性能进行分析的基础上 ,提出了基于混合优化策略的微分进化改进算法. 改进算法的主要思想是将 种群中的个体随机地分成两组 ,每组采用不同的优化策略. 利用五个标准的优化算法测试函数对改进算法的收敛速度 和搜索成功率进行了测试 ,并与动态微分进化算法和微粒群算法进行了比较. 实验结果表明 ,本文提出的改进算法在 保证算法搜索成功率的同时 ,大大提高了算法搜索效率. 关键词 : 　优化算法 ; 优化策略 ; 微分进化算法 中图分类号 : 　TP18 　　　文献标识码 : 　A 　　　文章编号 : (2006) 12A240204 A Mo difie d Differential Evolution Algorithm with Hybrid Optimiz ation Strat e gy ZHAO Guangquan ,PEN G Xiyuan ,SUN Ning ( Dep artment of A utomatic Test and Control , Harbin Institute of Technology . Harbin , Heilongj iang 150080 , China) Ab stract : 　The differential evolution algorithm is robust , easy to use , requires few control p arameters , and has various opti mization strategies . Based on analysis of advantages and disadvantages of these optimization strategies ,a modified differential evolu tion algorithm with hybrid optimization strategy is prop osed . The main idea of the modified differential evolution algorithm is to di vide all of the individuals into two groups randomly , and the two groups adopt different optimization strategies . The convergence sp eed and search succeed probability of the modified differential evolution are tested using five benchmark functions for optimization algorithm ,and the results are comp ared with dynamic differential evolution and