典型文献
多子群多策略差分进化算法
文献摘要：
针对差分进化算法解决高维问题时求解精度低和过早收敛等问题,提出了一种多子群多策略差分进化算法.首先根据适应度值由小到大排列并按照一定比例将种群划分为三个子种群,针对不同子种群的特点使用不同的变异策略和控制参数.针对第二个适应度值一般的子种群引入学习参数,并提出了一种新的变异策略DE-rand-1 to DE-best-1,该变异策略通过学习参数在全局搜索和局部搜索之间建立一种平衡.针对第三个适应度值较差的子种群引入学习参数和均衡参数,通过学习参数向第一个子种群学习,并用均衡参数对提高收敛速度、精度和易陷入局部最优的状况进行改善.最后,用8个测试函数对所提出的算法性能进行测试,并与差分进化算法的四种基础变异策略进行了比较.实验结果表明,所提出的新算法全局寻优能力更强.
文献关键词：
差分进化算法;多策略;学习参数;均衡参数;扰动
中图分类号：
作者姓名：
高媛;姜志侠;刘宇宁
作者机构：
长春理工大学 数学与统计学院,长春 130022;中电金信软件有限公司,北京 100192
文献出处：
引用格式：
[1]高媛;姜志侠;刘宇宁-.多子群多策略差分进化算法)[J].长春理工大学学报（自然科学版）,2022(05):123-129
A类：
B类：
多子群,多策略差分进化,差分进化算法,高维问题,过早收敛,适应度值,由小到大,定比,子种群,变异策略,控制参数,学习参数,DE,rand,best,全局搜索,局部搜索,第三个,均衡参数,群学,收敛速度,和易,局部最优,测试函数,算法性能,新算法,全局寻优,寻优能力
AB值：
0.290296
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
