差分演化的收敛性分析与算法改进

• 作者: 刘坤起 王彦祺 王熙照 贺毅朝
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 差分演化 渐近收敛性 压缩映射 随机算子 进化模式
• 年，卷（期）: 2010,（5）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 875-885
• 分类号: TP18
• 字数: 9347字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2010.03486

摘要

为了分析差分演化(differential evolution,简称DE)的收敛性并改善其算法性能,首先将差分算子(differential operator,简称DO)定义为解空间到解空间的笛卡尔积的一种随机映射,利用随机泛函理论中的随机压缩映射原理证明了DE的渐近收敛性;然后,在"拟物拟人算法"的启发下,通过对DE各进化模式的共性特征与性能差异的分析,提出了一种具有多进化模式协作的差分演化算法(differential evolution with multi-strategy cooperating evolution,简称MEDE),分析了它所具有的隐含特性,并在多模式差分算子(multi-strategy differential operator,简称MDO)定义的基础上证明了它的渐进收敛性.对5个经典测试函数的仿真计算结果表明,与原始的DE,DEfirDE和DEfirSPX等算法相比,MEDE算法在求解质量、适应性和鲁棒性方面均具有较明显的优势,非常适于求解复杂高维函数的数值最优化问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王熙照	河北大学数学与计算机学院	88	1286	18.0	32.0
2	刘坤起	石家庄经济学院信息工程学院	10	211	6.0	10.0
6	贺毅朝	石家庄经济学院信息工程学院	53	677	14.0	25.0
7	王彦祺	石家庄经济学院信息工程学院	12	181	5.0	12.0