计算机应用研究

作者：宋晓宇,朱彦霖,赵明,

单位：沈阳建筑大学计算机科学与工程学院,沈阳110168；

关键词：差分进化,邻域精英信息,多策略自适应,参数自适应,

基金：辽宁省教育厅重点科研资助项目(lnzd202004)；辽宁省科技厅自然科学基金计划资助项目(2023-MS-222)；；

为了使差分进化算法（differential evolution，DE）能够更好地利用个体邻域和整个种群的信息，提出了邻域精英信息和种群全局信息自适应的多策略差分进化算法（adaptive multi-strategy differential evolution algorithm for neighborhood elite collective information and population global information，MSDE-NECPG）。首先，充分利用个体邻域中多个精英个体的信息对变异策略进行引导，使搜索向更好的方向移动，提高开发能力。其次，为了让邻域的状态能够随着搜索过程不断地进化，引入邻域更新机制。当邻域最优个体连续多代更新失败，邻域可能陷入局部最优，此时扩大邻域半径，提高探索能力。同时，引入变异策略“DE/current-to-pbest”，这一策略不划分邻域，是基于种群的全局信息。两个策略基于个体的改进率进行多策略的自适应，在局部信息和全局信息之间进行平衡。此外，为了防止参数的错误交互，缩放因子F、交叉率CR根据成功历史积累进行更新，采用分组的参数自适应机制，不断适应搜索过程。最后，为了验证其有效性，在CEC2014的30个基准函数上，与 5 种迄今为止比较先进的差分进化算法进行比较，实验结果表明，所提算法的精度、稳定性和收敛速度比得上这5种先进的算法。

来源：2024年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第12期