摘要
文章针对差分进化算法收敛速度和全局搜索能力之间不能同时兼顾这一问题,提出了一种改进的差分进化算法,该算法从动态更新种群、递增策略的交叉概率因子及递减策略的缩放因子对标准DE算法进行了改进,并用6个典型的测试函数对改进的差分进化算法和标准差分进化算法进行测试比较,结果表明改进后的差分进化算法在收敛速度、收敛精度和算法鲁棒性方面都要优于标准差分进化算法,采用动态更新种群的策略也有效地提高了算法的运算效率。
In order to solve the contradiction between the velocity of convergence and the ability of global optimization in the differential evolution（DE） algorithm, a modified DE（MDE） algorithm is presented, in which dynamic updating of the population, increasing of the crossover factor and decreasing of the scaling factor with the generation are considered. Six typical test functions are adopted to make a comparison with the standard DE algorithm. The experimental results show that the MDE algorithm is superior to the DE in velocity of convergence, precision of optimization and the robustness. Moreover, the method of dynamic updating population can increase the computation efficiency of the algorithm.
出处
《合肥工业大学学报（自然科学版）》
CAS
CSCD
北大核心
2009年第11期1700-1703,共4页
Journal of Hefei University of Technology：Natural Science
基金
佛山市禅城区产学研资助项目(2007B1038
2008B1034)
关键词
差分进化
寻优精度
收敛速度
鲁棒性
differential evolution（DE）
precision of optimization
convergence speed
robustness
