随机自适应差分进化算法

2018-01-06邹德旋

电子科技 2018年2期

关键词：优化策略

沈鑫，邹德旋，张鑫

(江苏师范大学电气工程及自动化学院，江苏徐州 221116)

随机自适应差分进化算法

沈鑫，邹德旋，张鑫

(江苏师范大学电气工程及自动化学院，江苏徐州 221116)

针对差分进化算法存在早熟收敛且与理想最优值相差甚远等缺陷。随机自适应差分进化算法被提出，该算法采用随机选择策略的变异操作，再加小概率扰动；对变异因子和交叉概率进行自适应操作，以满足算法不同阶段的要求，其中交叉概率利用种群个体平均适应度值作对比，有利于充分利用种群信息。对几个标准函数进行测试并将该算法与其他4种方法进行比较，结果显示该算法的优化性能比其他方法好，具有较好的跳出局部最优的能力和收敛精度。

差分进化算法；随机变异；扰动；自适应操作

差分进化(Differential Evolution,DE)算法[1]是在种群内寻找最优值的智能优化算法。目前，DE算法在神经网络优化[2]、电力系统无功优化[3]、约束优化[4]、车间调度[5]、控制[6]等方面得到了广泛应用。DE算法到了进化后期，种群的多样性降低，容易出现早熟收敛和收敛精度不高的问题。

为克服以上缺点, 针对DE算法的改进主要在以下几方面：控制参数[7]、变异策略[8-9]、种群结构[10]、混合优化算法[11-13]。文献[14]提出了随机变异差分进化算法(Random Mutation Differential Evolution Algorithm, RMDE)。本文在此基础上提出了一种随机自适应差分进化算法(Self-adaptive Differential Evolution Algorithm with Random Mutation,SRDE)，SRDE算法在RMDE算法的基础上又增加了对参数的自适应操作，使其收敛精度更高，跳出局部最优解的能力更强。