基于M-H采样的快速反向微分进化算法

• 作者: 杨金龙 涂维维 葛洪伟 袁运浩
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 微分进化算法 反向微分进化算法 转移概率 平稳分布 马尔可夫链蒙特卡洛 反向学习
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: ?人工智能及识别技术?
• 页码范围: 155-159,166
• 页数: 6页
• 分类号: TP301.6
• 字数: 4992字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.11.031

摘要

反向微分进化( ODE)算法基于反向优化对种群进行初始化更新以保持种群多样性。但该算法中反向个体容易偏离全局最优个体,不能很快达到全局最优,在函数优化过程中收敛速度慢且容易陷入局部最优。为此,提出一种基于M-H采样的快速反向微分进化算法。 M-H采样用于ODE算法的变异操作,满足马尔可夫链可逆条件。马尔可夫链的一步转移概率根据个体等级分配的选择概率进行计算,既能选择最优个体,又能寻找优化方向并保持种群多样性。仿真结果表明,M-H采样得到的个体具有马尔可夫链平稳分布特性,该算法在单峰函数和多峰函数优化中都能快速收敛,全局和局部搜索性能达到平衡,具有较高的搜索精度及较好的鲁棒性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	葛洪伟	江南大学物联网工程学院	86	456	11.0	17.0
2	杨金龙	江南大学物联网工程学院	28	103	7.0	8.0
3	袁运浩	江南大学物联网工程学院	9	28	4.0	5.0
4	涂维维	江南大学物联网工程学院	1	0	0.0	0.0