| 基于当前最优解的反向差分进化算法求解函数优化问题 |
| |
| 引用本文： | 徐庆征,王磊,何宝民,王娜. 基于当前最优解的反向差分进化算法求解函数优化问题[J]. 应用科学学报, 2011, 29(3): 308-315. DOI: 10.3969/j.issn.0255-8297.2011.03.015 |
| |
| 作者姓名： | 徐庆征 王磊 何宝民 王娜 |
| |
| 作者单位： | 1. 西安理工大学计算机科学与工程学院，西安7100482. 西安通信学院军事电子工程系，西安710106 |
| |
| 基金项目： | 国家自然科学基金，陕西省自然科学基金，西安理工大学优秀博士学位论文研究基金 |
| |
| 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 |
| 收稿时间： | 2010-12-07 |
| 修稿时间： | 2011-04-10 |
Opposition-Based Differential Evolution Using the Current Optimum for Function Optimization |
| |
| XU Qing-zheng,WANG Lei,HE Bao-min,WANG Na. Opposition-Based Differential Evolution Using the Current Optimum for Function Optimization[J]. Journal of Applied Sciences, 2011, 29(3): 308-315. DOI: 10.3969/j.issn.0255-8297.2011.03.015 |
| |
| Authors: | XU Qing-zheng WANG Lei HE Bao-min WANG Na |
| |
| Affiliation: | 1. School of Computer Science and Engineering, Xi’an University of Technology, Xi’an 710048, China;2. Department of Military Electronic Engineering, Xi’an Communication Institute, Xi’an 710106, China |
| |
| Abstract: | When the global optimum is not located at the geometric center of the domain,the opposite numbers may lapse from the global optimum,leading to poor performance of opposition-based differential evolution.A novel opposition-based learning strategy using the current optimum is introduced,and it is combined with differential evolution for function optimization.The optimum in the current generation is served as a symmetry point between an estimate and the corresponding opposite estimate,resulting in a high rate ... |
| |
| Keywords: | differential evolution opposition-based learning current optimum function optimization |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《应用科学学报》浏览原始摘要信息 |
|
点击此处可从《应用科学学报》下载全文 |
