计算机应用研究

作者：熊才权,李昊,閤大海,吴歆韵,罗茂,

单位：1.湖北工业大学a.计算机科学与人工智能学院;b.湖北省绿色智能算力网络重点实验室,武汉430068；2.长江工程职业技术学院计算机技术学院,武汉430212；

关键词：差分进化,聚类线性组合,状态自适应,参数自适应,

基金：国家自然科学基金资助项目(62402164)；；

针对差分进化（DE）算法在高维复杂函数优化中存在参数敏感性强、全局探索能力不足，以及探索与开发过程失衡等问题，提出一种融合聚类线性组合与优化状态自适应机制的改进算法（CLOSADE），目的在于提升算法在处理复杂优化问题时的鲁棒性和收敛性能。该方法首先设计基于适应度与距离双因子的聚类策略，生成多簇线性组合向量，并引入动态距离阈值以增强种群多样性；其次构建优化状态指标（IOS），用于量化种群分布特性，驱动变异策略与控制参数的自适应调整。实验结果表明，在CEC2017和CEC2022基准测试函数上，CLOSADE在收敛精度和速度上均显著优于JSO、NL-SHADE-DP和S-SHADE-DP等先进算法，特别是在高维混合函数和复合函数上，CLOSADE展现出显著优势，收敛精度平均提升22%，收敛速度提升约40%。种群多样性分析进一步表明，通过聚类形成的多子群结构能够有效维持解空间中的并行搜索能力，而优化状态指标则确保了算法在不同进化阶段对探索与开发行为的动态平衡。

来源：2026年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第4期