基于适应度分工的差分进化算法

基于适应度分工的差分进化算法的分工方式是依据每代群体的适应度进行分组,每个分组采用相对于此分组优化特征更优异的变异策略。与下面列出的分工方式并不一样,因此可以单独列出来。CnHUP之前提到过的混合变异策略差分进化算法及其特征有这些:

(1)混合变异策略的差分进化算法是主要指出的是按进化代数分为进化前期与进化后期进行多策略变异。

(2)双种群双策略并行差分进化算法主要基于群体分工,把群体分为两个子种群进行分工协作。

(3)多进化模式协作的差分进化算法采用了更多的变异策略,但这些变异策略的分工基于个体在群体中的位置进行的。

这里提出的混合变异策略基于个体的适应度,DE/rand/1/bin变异策略由3个互不相同的随机个体组成,有利于保持种群的多样性,全局搜索能力强,但存在收敛速度慢、精度低、搜索效率不高的问题;DE/best/1/bin有Xbest作引导,局部搜索能力强、精度高、收敛速度快,但会加大算法陷入局部最优点的可能性。

因此,结合两者的特点,发挥各自优点,在进化过程中,优秀个体选择DE/best/1/bin变异策略,承担局部搜索任务,在其附近搜索,加速算法收敛;一般或差的个体选择DE/rand/1/bin变异策略,承担全局搜索任务,用来跳出局部寻优,避免早熟收敛。

分工准则

设个体i的适应度为Score_i,所有个体的平均适应度为Score_avg,适应度优于Score_avg的个体的平均适应度为Score_avg_m。如果Score_i优于Score_avg_m,则该个体为优秀个体;如果Score_i次于Score_avg_m,则该个体为一般或差的个体。



发表评论

You must be logged in to post a comment.