文件名称：论文研究-双种群差分进化规划算法.pdf
文件大小：659KB
文件格式：PDF
更新时间：2022-10-02 16:10:23
论文研究
标准差分进化算法（SDE）具有算法简单，控制参数少，易于实现等优点。但在难优化问题中，算法存在收敛速度较慢和容易早熟等缺陷。为克服此缺点，提出一种改进算法——双种群差分进化规划算法（BGDEP）。该算法将种群划分为两个子群独立进化，分别采用DE/rand/1/bin和DE/best/2/bin版本生成变异个体。每隔δt（取5~10）代，将两个子群合并为一个种群，再应用混沌重组算子将之划分为两个子群，以实现子群间的信息交流。在双种群协同差分进化的同时，应用非均匀变异算子对其最优个体执行进化规划操作，使得算法具有较快的收敛速度和较强的全局寻优能力。为测试BGDEP的性能，给出了4个30维benchmark函数优化问题的对比数值实验。结果表明，BGDEP的求解精度、收敛速度、鲁棒性等性能优于SDE、双种群差分进化（BGDE）和非均匀变异进化规划（NUMEP）等4种算法。