文献类型：期刊文章

作　　者：徐庆征[1,2] 王磊[1] 何宝民[1] 王娜[2]

机构地区：[1]西安理工大学计算机科学与工程学院,西安710048 [2]西安通信学院军事电子工程系,西安710106

出　　处：《应用科学学报》

基　　金：国家自然科学基金(No.60802056;No.61073091);陕西省自然科学基金(No.2010JM8028);西安理工大学优秀博士学位论文研究基金(No.105-211010)资助

年　　份：2011

卷　　号：29

期　　号：3

起止页码：308-315

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20112414064963)、INSPEC、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：当最优解偏离目标函数定义域的几何中心时,反向个体容易远离全局最优解,基于反向差分进化算法的性能会大幅降低.该文引入基于当前最优解的反向学习策略,并与差分进化算法相结合,求解函数优化问题.当前代的最优解作为候选解和相应反向个体之间的对称点,能保证反向种群的利用率始终维持在较高水平.实验结果表明,该算法可行而高效,且算法性能的提升完全是反向个体的贡献.此外,提出一种增强的基于反向差分进化算法,展示出此类优化方法的最优效果.

关 键 词：差分进化 基于反向学习  当前最优解  函数优化

分 类 号：TP301.6]