文献类型：期刊文章

作　　者：陈作汉[1,2] 曹洁[1,2] 赵付青[1] 张建林[1]

CHEN Zuohan;CAO Jie;ZHAO Fuqing;and ZHANG Jianlin(College of Computer and Communication,Lanzhou University of Technology,Lanzhou 730050;Gansu Engineering Research Center of Manufacturing Informationization,Lanzhou 730050)

机构地区：[1]兰州理工大学计算机与通信学院,兰州730050 [2]甘肃省制造业信息化工程技术研究中心,兰州730050

出　　处：《电子科技大学学报》

基　　金：国家重点研发计划(2020YFB1713600);国家自然科学基金(62063021)。

年　　份：2023

卷　　号：52

期　　号：3

起止页码：413-422

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：复杂优化问题中决策变量之间的依赖性导致函数适应度地形中存在大量的局部最优解,传统进化算法求解此类问题相对困难。提出一种求解部分可分函数优化问题的构造学习差分进化算法CLSHADE。该算法首先利用差分分组技术将复杂问题解耦划分为多个子问题,降低问题复杂程度;然后基于分组结构设计一种构造学习策略,以一定概率向构造的最优解学习以引导种群的搜索方向,提高算法搜索性能。在CEC 2017部分可分测试函数上的实验结果表明了CLSHADE的有效性。

关 键 词：构造学习  差分进化 差分分组  部分可分问题  

分 类 号：TP18]