动态多群体自适应差分进化算法
提出一种改进的差分进化算法──动态多群体自适应差分进化算法（DMSDE）。该算法将随机动态分群与参数自适应调整结合，以增强个体间的信息交换、保持解的多样性的同时平衡局部搜索与全局搜索。利用10个benchmark典型复杂函数对提出算法进行测试，并与基本差分进化算法（DE），带惯性权重的粒子群优化算法（PSO-w），带收缩因子的粒子群优化算法（PSO-cf），全面学习粒子群优化算法（CLPSO）以及自适应控制参数改进差分进化算法（SACPMDE）进行了比较。算法分析与仿真结果表明：DMSDE算法具有较高的搜索精度和收敛性，且具有较强的跳出局部最优解能力。
动态多群体 差分进化算法 随机动态分群 参数调整 搜索精度
张雪霞 蔡文钊 陈维荣 戴朝华
西南交通大学电气工程学院 四川成都 610031
国内会议
成都
中文
2046-2052
2008-11-07（万方平台首次上网日期，不代表论文的发表时间）