基于抽象凸估计选择策略的差分进化算法

• 作者: 周晓根 张贵军 明洁 梅珊
• 来源期刊: 控制理论与应用
• 学科: 工学
• 关键词: 差分进化 全局优化 下界估计 抽象凸 支撑向量
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 短文
• 页码范围: 388-397
• 页数: 10页
• 分类号: TP391
• 字数: 8195字
• 语种: 中文
• DOI: 10.7641/CTA.2015.40525

摘要

针对传统差分进化算法计算代价、可靠性及收敛速度的问题,提出一种基于抽象凸估计选择策略的差分进化算法(DEUS).首先,通过提取新个体的邻近个体建立局部抽象凸下界松弛模型;然后,利用下界松弛模型估计目标函数值来指导种群更新,同时利用下界估计区域极值点快速枚举算法系统排除部分无效区域;最后,借助线性拟凸包络的广义下降方向有效地实现局部增强.12个标准测试函数的实验结果表明,所提算法计算代价、可靠性及收敛速度均优于DE及DERL,DELB,SaDE等改进算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张贵军	浙江工业大学信息工程学院	68	419	12.0	15.0
2	周晓根	浙江工业大学信息工程学院	16	106	7.0	10.0
3	明洁	浙江工业大学信息工程学院	4	30	3.0	4.0
4	梅珊	浙江工业大学信息工程学院	1	12	1.0	1.0