广义逆向学习方法的自适应差分算法

• 作者: 乔俊飞 刘昌芬 韩红桂
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 差分算法 优化 自适应 逆向学习 收敛速度 精度 高维 初始化
• 年，卷（期）: 2015,（1）
• 页码范围: 131-137
• 页数: 7页
• 分类号: TP18|O224
• 字数: 5792字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4785.201310068

摘要

针对差分算法（ differential evolution ， DE）在解决高维优化问题时参数设置复杂、选择变异策略困难的现象，提出了广义逆向学习方法的自适应差分进化算法（ self-adaptive DE algorithm via generalized opposition-based learning ， SDE-GOBL）。利用广义的逆向学习方法（ generalized opposition-based learning ， GOBL）来进行多策略自适应差分算法（ Self-adaptive DE， SaDE）的初始化策略调整，求出各个候选解的相应逆向点，并在候选解和其逆向点中选择所需要的最优初始种群，然后再进行自适应变异、杂交、选择操作，最后通过CEC2005国际竞赛所提供的9个标准测试函数对SDE-GOBL算法进行验证，结果证明该算法具有较快的收敛速度和较高的求解精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔俊飞	北京工业大学电子信息与控制工程学院	181	1883	22.0	31.0
3	韩红桂	北京工业大学电子信息与控制工程学院	73	706	16.0	21.0
9	刘昌芬	北京工业大学电子信息与控制工程学院	3	21	3.0	3.0