文献类型：期刊文章

作　　者：刘琛[1] 林盈[2] 胡晓敏[3]

机构地区：[1]中山大学电子与通信工程系,广州510006 [2]中山大学心理学系,广州510275 [3]中山大学公共卫生学院卫生信息研究中心广东省卫生信息学重点实验室,广州510080

出　　处：《计算机科学与探索》

基　　金：国家自然科学基金;广东省自然科学基金;中央高校基本科研业务费专项资金;高等学校博士学科点专项科研基金~~

年　　份：2013

卷　　号：7

期　　号：11

起止页码：983-993

语　　种：中文

收录情况：AJ、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、JST、ZGKJHX、普通刊

摘　　要：差分演化算法(differential evolution,DE)是一种模拟生物演化过程的随机搜索方法,具有收敛速度快,鲁棒性好等优点。目前DE有多种交叉和变异策略,它们在求解各类优化问题时表现出各自不同的性能。介绍了10种差分演化算法的更新策略,并利用标准测试函数集对它们进行了全面与系统的实验比较。通过分析采用这些策略的DE算法在不同解空间及进化各阶段的收敛曲线特点,对比总结了不同版本的DE算法在各类环境下的搜索性能。该研究一方面能够为DE算法的实际应用提供技术指导,帮助学者选择合适的DE更新策略以更好地解决工程问题;另一方面能够为新型DE更新策略的开发和自适应DE算法的设计提供理论基础。

关 键 词：差分演化算法(DE)  演化模式  更新策略  演化计算  全局优化

分 类 号：TP18]