甘肃政法学院 赵进龙兰州理工大学 霍明明



一种改进的Memetic差分进化算法

甘肃政法学院 赵进龙
兰州理工大学 霍明明

【摘要】提出一种改进的自适应memetic差分进化算法，通过引入正态分布的概念，在种群初始化和局部搜索方面对经典差分进化算法进行改进，提高其寻优精度。并通过引入自适应算子，在增强算法全局收敛性的同时又保证算法具有较高的收敛速度。实验仿真结果表明，改算法具有较好的全局收敛性并能有效避免早熟收敛。

【关键词】差分进化算法；Memetic算法；自适应

1　引言

遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机优化算法，因其原理简单，鲁棒性强，适于并行计算等优点，自1975 年J.Holland［1］教授提出之日起，对遗传算法的研究如火如荼。但是遗传算法采用二进制编码，这种编码方式的最大缺点就是长度较大，对很多优化问题来说用其他的编码方式可能更有利。差分进化算法（Differential Evolution algorithm）是1995年Storn等人［2］为解决切比雪夫多项式问题时提出的。差分进化算法是基于群体智能理论的优化算法，相比于遗传算法，DE继承了基于种群的全局搜索策略，采用浮点数编码和基于差分的简单变异操作以及贪婪的竞争生存策略，降低了算法的复杂度。DE独有的记忆功能使其可以根据当前搜索情况，动态调整搜索策略，具有较强的鲁棒性和全局搜索能力。

全局搜索和局部开发能力的平衡是提高差分进化算法搜索性能的关键性问题，而这在较大程度上依赖于算法中控制参数（NP，F，CR）的选取。……