邻域结构为复杂网络的差分演化算法

• 作者: 李文斌 贺毅朝 赵书良 陈嶷瑛
• 来源期刊: 计算机应用研究
• 关键词: 复杂网络 演化计算 差分算法 函数优化 空间结构
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 370-374
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.02.011

摘要

为了提升差分演化算法对局部最优的逃逸能力和避免早熟收敛,设计了一种邻域结构为复杂网络的差分演化算法(CNS-DE).该算法将复杂网络上每一个节点定义为一个计算个体,节点间的连接关系决定了个体间的交互结构.CNS-DE的差分策略主要基于节点(个体)的邻居关系定义,该策略有利于保持群体的多样性,充分利用了群体分布特性.在函数寻优的经典数据集上,将CNS-DE与传统差分算法进行了对比.结果表明,该算法能有效避免陷入局部最优,有效改善了早熟现象,对解的质量有较大幅度提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李文斌	石家庄经济学院网络信息安全实验室	22	277	8.0	16.0
2	陈嶷瑛	石家庄经济学院信息工程学院	19	262	8.0	16.0
3	贺毅朝	石家庄经济学院信息工程学院	53	677	14.0	25.0
4	赵书良	河北师范大学数学与信息科学学院	39	312	10.0	16.0