一种基于反向学习的约束差分进化算法

• 作者: 周建龙 袁华强 陶铭 魏文红
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 反向学习 差分进化 约束优化 收敛性
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 426-436
• 页数: 11页
• 分类号: TP38
• 字数: 8185字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2016.02.026

摘要

差分进化算法是一种结构简单、易用且鲁棒性强的全局搜索启发式优化算法，它可以结合约束处理技术来解决约束优化问题。机器学习在进化算法中，经常可以引导种群的进化，而且被广泛地应用于无约束的差分进化算法中，但对于约束差分进化算法却很少有应用。针对这一情况，提出了一种基于反向学习的约束差分进化算法框架。该算法框架采用基于反向学习的机器学习方法，提高约束差分进化算法的多样性和加速全局收敛速度。最后把该算法框架植入了两个著名的约束差分进化算法：（μ＋λ）-CDE和ECHT，并采用CEC 2010的18个Benchmark函数进行了实验评估，实验结果表明：与（μ＋λ）-CDE和ECHT相比，植入后的算法具有更强的全局搜索能力、更快的收敛速度和更高的收敛精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁华强	东莞理工学院计算机学院	62	478	11.0	20.0
2	陶铭	东莞理工学院计算机学院	11	53	3.0	7.0
3	魏文红	东莞理工学院计算机学院	19	72	4.0	8.0
4	周建龙	西安交通大学城市学院计算机系	4	20	2.0	4.0