应用精英反向学习策略的混合差分演化算法

作     者：汪慎文 丁立新 谢承旺 郭肇禄 胡玉荣 

作者机构：武汉大学软件工程国家重点实验室湖北武汉430072 石家庄经济学院信息工程学院河北石家庄050031 武汉大学计算机学院湖北武汉430072 华东交通大学软件学院江西南昌330013 

基　　金：国家自然科学基金(60975050 61165004) 高等学校博士学科点专项科研基金(20070486081) 中央高校基本科研业务费专项资金(6081014) 江西省自然科学基金(20114BAB201025) 福建省自然科学基金(2012J01248)资助项目 河北省科技支撑计划项目(11213587) 

出 版 物：《武汉大学学报（理学版）》 (Journal of Wuhan University:Natural Science Edition)

年 卷 期：2013年第59卷第2期

页      码：111-116页

摘      要：针对传统差分演化算法在演化后期收敛速度变慢的问题,利用精英个体的良好信息,在一般反向学习方法的基础上,提出精英反向学习策略,并融合降低参数敏感性和变异策略敏感性的机制,设计了一种基于精英反向学习策略的混合差分演化算法(EOCoDE),从理论上证明了该算法的全局收敛性.新算法使用精英反向策略初始化种群,在进化过程中,如果满足预设定的学习概率,就执行精英反向算子,否则,随机组合参数知识库和策略知识库中的知识来产生差分演化种群.对比实验结果表明,精英反向学习策略比一般反向学习策略具有更强的搜索能力,EOCoDE算法的性能具有明显优势.

主 题 词：差分演化 一般反向学习 精英反向学习 参数敏感性 变异策略 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

核心收录：

D　O　I：10.14188/j.1671-8836.2013.02.001

馆 藏 号：203156492...