随机选择变异及自适应差分进化算法的研究
2016-06-16郭义波程际云
上海电力大学学报 2016年2期
郭义波, 程际云, 李 芹, 杨 平
(1.上海电力学院, 上海 200090; 2.上海明华电力技术工程有限公司, 上海 200437)
随机选择变异及自适应差分进化算法的研究
郭义波1, 程际云2, 李芹1, 杨平1
(1.上海电力学院, 上海200090; 2.上海明华电力技术工程有限公司, 上海200437)
摘要:为兼顾搜索速度和精度,提高搜索效率,克服不易跳出局部最优的缺点,提出了随机选择变异策略、自适应调整变异率和自适应调整交叉率3种改进设想.利用3种改进设想改进DE算法,得到了7种改进算法,将7种改进算法应用到双容水箱液位模型闭环辨识案例中.结果表明,7种改进算法都提高了跳出局部最优的能力,综合比较可知,3种改进设想同时应用的改进算法性能最优.
关键词:差分进化算法; 随机选择变异; 自适应调整; 闭环辨识
差分进化算法(Differential Evolution,DE)是基于群体智能的优化算法,它保留了基于种群的全局搜索策略,其特有的记忆功能使其能够动态跟踪搜索情况,从而调整搜索策略,具有较强的全局搜索能力和鲁棒性[1].凭借算法参数少、搜索能力强、算法简单等特点,差分进化算法在多目标路径规划[2]、梯级水库调度优化[3]、PID优化[4]、模型参数辨识[5-6]等方面得到了广泛的应用.然而与其他智能优化算法相类似,差分进化算法也存在局部最优、收敛精度不高及收敛速度慢等问题.为此,对基本差分进化算法进行了改进研究.文献[7]提出了一种依据种群中个体的分布情况来调整算法参数的自适应差分进化算法,应用于模……
登录APP查看全文
