一种求解动态优化问题的改进自适应差分进化算法

• 作者: 刘树强 秦进
• 来源期刊: 计算机工程
• 关键词: 自适应差分进化 动态优化问题 邻域搜索 排斥方案 平均误差
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 人工智能与模式识别|Artificial Intelligence and Pattern Recognition
• 页码范围: 84-91,99
• 页数: 9页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0057567

摘要

针对原始动态自适应差分进化(SADE)算法局部搜索能力弱和寻优精度低的问题,提出一种求解动态优化问题的邻域搜索差分进化(NSDE)算法.通过引入邻域搜索机制,在划分种群最优个体的邻域空间范围内产生候选解,选取候选解集合中的最优解并对种群最优个体进行迭代,增强算法局部搜索能力.在传统基于距离的排斥方案中,引入hill-valley函数追踪邻近峰,提高算法寻优精度.实验结果表明,与SADE、人工免疫网络动态优化、多种群竞争差分进化和改进差分进化算法相比,NSDE算法在49个测试问题中分别有28、38、29和38个测试问题的平均误差更小,综合性能表现更好.