文献类型：期刊文章

作　　者：贺毅朝[1] 王熙照[2] 刘坤起[1,3] 王彦祺[1]

机构地区：[1]石家庄经济学院信息工程学院,河北石家庄050031 [2]河北大学数学与计算机学院,河北保定071002 [3]中国地质大学计算机学院,湖北武汉430074

出　　处：《软件学报》

基　　金：国家自然科学基金(Nos.60473045;60471022);河北省自然科学基金(No.F2008000635)~~

年　　份：2010

卷　　号：21

期　　号：5

起止页码：875-885

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20102413003666)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了分析差分演化(differential evolution,简称DE)的收敛性并改善其算法性能,首先将差分算子(differential operator,简称DO)定义为解空间到解空间的笛卡尔积的一种随机映射,利用随机泛函理论中的随机压缩映射原理证明了DE的渐近收敛性;然后,在"拟物拟人算法"的启发下,通过对DE各进化模式的共性特征与性能差异的分析,提出了一种具有多进化模式协作的差分演化算法(differential evolution with multi-strategy cooperating evolution,简称MEDE),分析了它所具有的隐含特性,并在多模式差分算子(multi-strategy differential operator,简称MDO)定义的基础上证明了它的渐进收敛性.对5个经典测试函数的仿真计算结果表明,与原始的DE,DEfirDE和DEfirSPX等算法相比,MEDE算法在求解质量、适应性和鲁棒性方面均具有较明显的优势,非常适于求解复杂高维函数的数值最优化问题.

关 键 词：差分演化 渐近收敛性  压缩映射 随机算子 进化模式

分 类 号：TP18]