基于随机扩散搜索的协同差分进化算法-论文.pdf

《基于随机扩散搜索的协同差分进化算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第40卷第7期计算机工程2014年7月V01．40NO．7ComputerEngineeringJuly2014·人工智能及识别技术·文章编号：1000-3428(2014)07—0183-06文献标识码：A中图分类号：TP18基于随机扩散搜索的协同差分进化算法张大斌，周志刚，叶佳t，张文生(1．华中师范大学信息管理学院，武汉430079；2．中国科学院自动化研究所，北京100190)摘要：针对差分进化算法存在的收敛速度慢、稳健性差等问题，借鉴多种群并行机制和随机搜索策略，提出一种基于随机扩散搜索的协同差分进化算法。引入反向混沌搜索的初始化机制，利

2、用随机扩散搜索策略将种群分为成功和失败2个子群并进行改进，对改进的成功和失败子群分别采用不同的差分策略，克服单一差分策略的缺陷，同时定期使子群的部分最好与最差个体实现一对一的信息交流，从而达到协同进化的目的。仿真结果证明，与粒子群优化算法及差分进化算法相比，该算法具有较好的收敛速度和寻优能力。关键词：差分进化；差分策略；反向混沌搜索；协同机制；正负反馈机制；函数优化问题CooperationDifferentialEvolutionAlgorithmBasedonStochasticDiffusionSearchZHANGDa-bin，ZHoUZh

3、i—gang，YEJia，ZHANGWen-sheng(1．SchoolofInformationManagement，CentralChinaNormalUniversity，Wuhan430079，China；2．InstituteofAutomation，ChineseAcademyofSciences，Beijing100190，China)[AbstractlAimingattheproblemofslowconvergencespeed，badrobustness，referencemultipopulationsparallelmec

4、hanismandrandomsearchstrategy．AnovelsynergysearchDifferentialEvolutionbasedonStochasticDiffusionSearcb(SDS—DE)．whichaimstoaccelerateconvergenceandimproveaccuracyofSDS—DE，thealgorithmintroducestheinitializationmechanismofoppositionchaossearch，andstochasticdiffusionsearchstrateg

5、yisusedtodividedpopulationsintosuccessfulandfailedtwosub—groups，anddifferentialstrategiesofthesuccessandfailuressub—groupsareusedtoovercometheshortcomingssingledifferentialstrategy，meanwhile，regularlysubgroupbestandworstpartofindividualstoachievepositiveandnegativefeedbackmech

6、anismsforinformationexchange，SOastoachievethepurposeofCO—evolution．SimulationresultsprovethattheSDS—DEperformsbetterconvergencespeedandoptimizationcapabilitybythecomparisonwiththeParticleSwarmOptimization(PSO)andotherDEalgorithms．【KeywordslDifferentialEvoluticre(DE)；diferentia

7、lstrategy；oppositionchaossearch；collaborationmechanism；positiveandnegativefeedbackmechanism；functionoptimizationproblemDoI：10．3969／j．issn．1000—3428．201407．038l概述采用实数编码、基于差分的简单变异操作和一对一的竞争生存策略，同时保有独特的记忆能力进行动态搜索，并可差分进化(DifferentialEvolution，DE)算法是由StoomR以不断调整其搜索策略，最后使种群个体趋于一致。标准和

8、PriceKl1．】在1995年共同提出的，它是一种简单、快速、的DE算法在低维空间的函数寻优问题上能够使种群收基于全局的