本文档下载自文库下载网，内容可能不完整，您可以点击以下网址继续阅读或下载：http://www.wenkuxiazai.com/doc/f68df03743323968011c9287.html一种改进的快速高效的差分进化算法2第32卷第11期2009年11月自然科学版)JOURNALOFHEFEIUNIVERSITYOFTECHNOLOGY合肥工业大学学报(Vol.32No.11Nov.2009一种改进的快速高效的差分进化算法肖术骏,朱学峰(华南理工大学自动化科学与工程学院,广东广州510640)摘要:文章针对差分进化算法收敛速度和全局搜索能力之间不能同时兼顾这一问题,提出了一种改进的差分进化算法,该算法从动态更新种群、递增策略的交叉概率因子及递减策略的缩放因子对标准DE算法进行了改进,并用6个典型的测试函数对改进的差分进化算法和标准差分进化算法进行测试比较,结果表明改进后的差分进化算法在收敛速度、收敛精度和算法鲁棒性方面都要优于标准差分进化算法,采用动态更新种群的策略也有效地提高了算法的运算效率。关键词:差分进化;寻优精度;收敛速度;鲁棒性中图分类号:O224文献标识码:A文章编号:1003-5060(2009)11-1700-04AmodifiedfastandhighlyefficientdifferentialevolutionalgorithmXIAOShu-jun,ZHUXue-feng(CollegeofAutomationScienceandEngineering,SouthChinaUniversityofTechnology,Guangzhou510640,China)Abstract:Inordertosolvethecontradictionbetweenthevelocityofconvergenceandtheabilityofglobaloptimizationinthedifferentialevolution(DE)algorithm,amodifiedDE(MDE)algorithmispresented,inwhichdynamicupdatingofthepopulation,increasingofthecrossoverfactoranddecrea-singofthttp://www.wenkuxiazai.com/doc/f68df03743323968011c9287.htmlhescalingfactorwiththegenerationareconsidered.SixtypicaltestfunctionsareadoptedtomakeacomparisonwiththestandardDEalgorithm.TheexperimentalresultsshowthattheMDEa-lgorithmissuperiortotheDEinvelocityofconvergence,precisionofoptimizationandtherobustness.Moreover,themethodofdynamicupdatingpopulationcanincreasethecomputationefficiencyofthealgorithm.Keywords:differentialevolution(DE);precisionofoptimization;convergencespeed;robustness差分进化(DifferentialEvolution,简称DE)算法是文献[1]提出的一种新的进化算法,它采用实数矢量编码在连续空间进行并行的启发式随机搜索,对于高维、非线性及不可微等特性的函数优化问题表现出极强的生命力,在1996年举行的首届IEEE进化优化算法竞赛中在速度上取得第3名的成绩,并且其适应范围要优于其他优化算法[2,3]。DE算法不仅在函数优化中体现了巨大的优势,还在组合优化、神经网络训练、机器人学、化工电力应用。[4]标准的DE算法一个重要缺陷就是在求解后期收敛速度较慢,对于有些多峰复杂函数容易出现/早熟0现象,本文针对这一缺点设计了一种快速高效的差分进化算法,主要特点是动态更新种群,自适应地改变交叉概率因子和缩放因子。1标准差分进化算法本文中所研究的函数优化问题可以描述为:minf(x1,x2,,,xD),s.t.xjI[xmin,xmax],j=1,2,,,D。其中,D为决策变量的维数,DE算法中种群个体及土木水利http://www.wenkuxiazai.com/doc/f68df03743323968011c9287.html等领域都得到了广泛地[5]收稿日期:2009-05-25基金项目:佛山市禅城区产学研资助项目(2007B1038;2008B1034)作者简介:肖术骏(1985-),男,湖北汉川人,华南理工大学硕士生;朱学峰(1940-),男,山东青岛人,华南理工大学教授,博士生导师.第11期肖术骏,等:一种改进的快速高效的差分进化算法1701可用D维矢量xi=(x1,x2,,,xD)表示。本文中xi(i=1,2,,,NP)表示第G代的第i个个体,这NP个个体组成了第G代种群。同遗传算法一样,DE算法首先要随机产生一个种群,然后对种群中的个体进行变异、交叉和选择操作,从而产生新的一代,如此反复迭代最终收敛到最优个体。具体操作如下[2]:(1)初始化。根据具体问题给的变量所在的区间[xmin,xmax],利用如下线性变换:xi,j=xminrand()(xmax-xmin),i=1,2,,,NP,j=1,2,,,D(1)随机生成一个有NP个个体的初始种群,xi,j是第i个个体的第j维分量,其中rand()产生一个属于[0,1]区间的随...