基于搜索偏好知识的复杂多模差分进化算法

	基于搜索偏好知识的复杂多模差分进化算法
	陈作汉 1,2; 曹洁 1,2; 赵付青 2; 张建林 2
刊名	电子科技大学学报
	2020-11-30
期号	2020-06 页码:875-882
关键词	差分进化复杂多模优化变异策略偏好知识
英文摘要	针对复杂多模优化问题,提出一种基于搜索偏好知识的差分进化算法PKLSHADE。PKLSHADE将先验搜索偏好知识注入到种群的进化过程,在不同的进化阶段对种群的多样性和集约性区分考虑,进化早期重视差分扰动以增强算法的全局开发能力,进化后期更多围绕当前最优解进行局部精细搜索。同时,基于搜索偏好知识的变异策略能够实现差分进化算法全局开发和局部搜索的自适应平滑过渡,避免两搜索阶段的硬切换。在CEC2017复杂混合多模函数上的实验结果及统计分析表明,PKLSHADE在最优解的精度、算法的稳定性等方面均优于LSHADE、EBLSHADE、jSO及AMECoDEs等近年来的优秀差分进化算法。
URL标识	查看原文
语种	中文
内容类型	期刊论文
源URL	[http://ir.lut.edu.cn/handle/2XXMBERH/132756]
专题	国际合作处（港澳台办）教务处（创新创业学院）
作者单位	1.甘肃省制造业信息化工程技术研究中心 2.兰州理工大学计算机与通信学院;
推荐引用方式 GB/T 7714	陈作汉,曹洁,赵付青,等. 基于搜索偏好知识的复杂多模差分进化算法[J]. 电子科技大学学报,2020(2020-06):875-882.
APA	陈作汉,曹洁,赵付青,&张建林.(2020).基于搜索偏好知识的复杂多模差分进化算法.电子科技大学学报(2020-06),875-882.
MLA	陈作汉,et al."基于搜索偏好知识的复杂多模差分进化算法".电子科技大学学报 .2020-06(2020):875-882.