罗家祥 倪晓晔 胡跃明

(华南理工大学 自动化科学与工程学院， 广东 广州 510640)

融合多种搜索策略的差分进化大规模优化算法*

罗家祥 倪晓晔 胡跃明

(华南理工大学 自动化科学与工程学院， 广东 广州 510640)

多峰、高维的大规模优化问题是当前优化领域的研究热点.文中以协同进化算法为框架，提出了一种融合多种搜索策略的差分进化大规模优化算法.基于分解的思想，该算法首先利用自适应差分进化算子对子问题进行局部优化求解;然后引入基于模拟退火的随机搜索机制提高算法的全局搜索能力，并结合局部搜索链对解空间进行深度搜索.采用大规模优化标准函数对算法进行测试，结果表明，文中所提出的算法相比现有算法在平均值和最优解上均取得了更好的优化结果．

大规模优化；协同进化算法；模拟退火；差分进化；局部搜索

在科学研究和工业过程中，大规模优化问题(未知变量多、目标函数结构异常复杂、约束条件数量也十分庞大的优化问题)越来越普遍.该问题具有维度高、变量关系复杂等特点，传统的直接优化方法难以求解[1].智能算法由于计算简便、表现稳定而更多地被应用于求解大规模优化问题[2- 4].但随着问题维度的增加，解空间指数级增加，传统智能算法也难以进行有效求解.近年来，基于分解思想的协同进化对上述问题的求解表现出更好的性能，受到越来越多学者的重视[5- 7].协同进化求解大规模优化问……