差分进化算法的改进研究

• 作 者: 张伟
• 机 构: 西安电子科技大学
• 出 处: 西安电子科技大学
• 发表日期: 2014年期
• 关键词: 差分进化算法 随机变异 局部搜索 布谷鸟算法

近些年,进化计算作为一个新的学科迅速发展,它是一种模拟生物进化过程和进化机制求解问题的自组织、自适应的人工智能技术。差分进化算法是进化算法的一个分支,是Rainer Storn和Kenneth Price在1995年提出的一种智能优化算法,它是一种基于种群迭代的优化计算方法。由于差分进化算法结构简单、收敛性能好、控制参数少、容易实现而受到广泛的关注,并且已经应用于函数优化、模式识别、人工神经网络、组合优化等问题。本文首先分析了差分进化算法的研究现状和改进策略,给出了进化算法的理论及其实现技术,接着对差分进化算法的基本原理、种群的初始化方法、变异方程和参数性能做了分析。进化算法虽然有很多优点,但是也有容易陷入局部最优、后期收敛速度不高、易早熟等缺点。为此,本文对差分进化算法进行了改进,提出了动态局部搜索差分进化算法和基于布谷鸟搜索的差分进化算法。动态局部搜索的差分进化算法采用随机选择的方式进行变异并运用小概率扰动操作,增加种群的多样性,平衡算法的开发能力和探索能力;同时,对当前的最优解进行动态局部搜索,以加快算法的收敛速度。通过对标准测试函数的仿真实验并与其他算法进行比较,结果表明提出算法具有较快的收敛速度和较高的求解精度,对复杂的数值优化问题寻优效果很好。基于布谷鸟搜索的差分进化算法采用最优解引导的方程进行变异,对于在选择阶段没有被更新的个体采用布谷鸟搜索策略产生一个新的个体进行再次选择;同时,对当前的最优解进行动态局部搜索,以加快算法的收敛速度。通过对标准测试函数的仿真实验并与其它算法进行比较,结果表明提出的算法有较强的函数优化性能。