李丽蓉,王平

(1.山西警察学院 网络安全保卫系,山西 太原 030401;2.山西财经大学 资源环境学院,山西 太原 030006)

0 引言

差分进化(Differential Evolution,DE)算法是一种基于不同候选解集的优化算法。Storn和Price首先提出差分进化算法[1]。差分进化算法,作为进化算法中的一种,由许多候选解组成,候选解组成种群,并且种群经过一代代更新来发现最优解。差分进化算法与其他算法的不同处在于,每一个候选解自己不能寻找新的解,而是需要借助其他候选解的差异性来发现新的解。差分进化算法已经成功应用于各种领域解决不同现实问题,如电磁学、光学、模式识别和信号处理等[2-8]。差分进化算法目前已成为研究的热点并取得显著进展[9-13]。

差分进化算法主要利用获选解间的不同性来搜索更多的可能的解。一个候选解当作一个个体,每个个体的更新需要利用不同个体间的差异来进行。但是获取个体间的差异性的方式需要进一步的分析,以及怎么样利用这些差异性,即设置其相关的参数来搜索更好的解需进一步的研究。在现有的差分进化算法中,这些参数的改变导致其最终的结果变化很大。本文提出一种新的自适应技术,使其求解的性能比其他的自适应算法具有更好的鲁棒性。

1 差分进化算法

1.1 基本概念

差分进化的设计是基于一种随机、并行的搜索算法,运用了进化计算中的共同点,但是其需要的参数更少。标准的差分进化算法描述如下:

(1) 种群

(1)

(2)

(2) 种群的初始化

(3)

这里xj,min和xj,max是其所求第j维的解的空间,rnd是一个随机数,其范围从0到1。……