论文研究 基于自适应变异算子的差分进化算法.pdf

针对差分演化算法易于早熟、收敛速度慢和收敛精度低等问题，提出一种基于自适应变异算子的差分进化算法。给出个体向量粒子及维度层定义，并提出了基于维度层加权的异维维度选择策略，首次将加权异维学习策略引入差分演化算法中，有效地提高了种群的多样性；根据种群聚集度的思想，提出一种基于种群聚集度自适应的变异算子，该算子能依据种群个体当前的种群聚集度自适应地调整DE/best/1变异算子和加权异维学习变异算子的变异权重，加快算法收敛速度、提高其收敛精度。通过在20个典型的测试函数上进行测试，与7种具有代表性的算法相比，结果表明提出的算法在求解精度和收敛速度上具有很大优势，并显示出了非常好的鲁棒性。