计算机应用研究

作者：左汶鹭,高岳林,

单位：北方民族大学a.数学与信息科学学院;b.宁夏智能信息与大数据处理重点实验室,银川750021；

关键词：差分进化,随机邻域变异,趋优反向学习,实际工程优化,

基金：宁夏自然科学基金重点资助项目(2022AAC02043)；宁夏高等教育一流学科建设基金资助项目(NXYLXK2017B09)；北方民族大学重大科研专项资助项目(ZDZX201901)；南京证券支持基础学科研究项目(NJZQJCXK202201)；；

传统差分进化（DE）算法在迭代过程中不能充分平衡全局勘探与局部开发，存在易陷入局部最优、求解精度低、收敛速度慢等缺点。为提升算法性能，提出一种基于随机邻域变异和趋优反向学习的差分进化（RNODE）算法并对其进行复杂度分析。首先，为种群中每个个体生成随机邻域，用全局最佳个体引导邻域最佳个体生成复合基向量，结合控制参数自适应更新机制构成随机邻域变异策略，使算法在引导种群向最优方向趋近的同时保持一定的勘探能力；其次，为了进一步帮助算法跳出局部最优，对种群中较差个体执行趋优反向学习操作，扩大搜索区域；最后，将RNODE与九种算法进行对比以验证RNODE的有效性和先进性。在23个Benchmark函数和两个实际工程优化问题上的实验结果表明，RNODE算法收敛精度更高、速度更快、稳定性更优。

来源：2023年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第7期