文献类型：期刊文章

作　　者：苗晓锋[1] 刘志伟[2]

Miao Xiaofeng;Liu Zhiwei(Information Center, Yulin Vocational and Technical College, Shenmu 719300, Shaanxi, China;Information Center, Northwestern Polytechnical University, Xi’an 710072, Shaanxi, China)

机构地区：[1]榆林职业技术学院神木校区信息中心,陕西神木719300 [2]西北工业大学信息中心,陕西西安710072

出　　处：《计算机应用与软件》

基　　金：国家自然科学基金项目(61672433);榆林职业技术学院神木校区2018年校级教科研课题重点项目(ZK-201801)

年　　份：2019

卷　　号：36

期　　号：3

起止页码：260-264

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、JST、ZGKJHX、核心刊

摘　　要：差分进化算法DE(Differental Evolution)是一种著名的处理非线性复杂问题的优化技术。为改进其计算开销大、参数设置与问题本身特性过于相关等缺陷,提出一种混合策略的差分进化算法HDE(Hybrid DE)。它混合反向学习OBL(Opposition-based Learning)和自适应机制来进行参数调整,从而能加速算法收敛,同时提高求解成功率。在MATLAB环境中进行的测试实验结果表明,HDE在收敛速度,鲁棒性和计算开销等方面的性能在大部分测试用例上优于已有的多种算法。这表明混合策略是一种行之有效的差分进化算法的研究路径。

关 键 词：遗传算法 优化算法 反向学习  自适应 差分进化 仿真

分 类 号：TP391.9]