基于差分进化与粒子群优化的混合优化算法

差分进化算法DE与粒子群优化算法PSO都是属于群体的启发式算法。DE的变异算子有利于增加全局搜索能力,保证种群的多样性;交叉算子并进行选择可以提高局部搜索能力,加快收敛速度;选择算子具有一定的记忆能力,能够保留优秀个体。PSO在种群多样性有保障的情况下,可以较好地探索求解区域,收敛速度也比较快。这里融合DE与PSO各自的特色鲜明的算子,以期可以提高优化算法的性能。具体操作步骤如下

(1)初始化群体,计算各个体的适应度,并更新群体最优个体。

(2)执行差分进化的变异算子并进行选择,然后更新群体最优个体。

(3)执行粒子群优化算法的速度和位置更新算子。

(4)执行差分进化算法中的交叉算子并进行选择。

(5)如果满足算法结束条件,则停止,否则执行步骤(2)。

基于差分进化与粒子群优化的混合优化算法中执行了两次选择操作,当前代的个体实际就位于PSO定义的个体自身历史最好位置,所以粒子只需要根据群体历史最好位置gBest更新速度,即速度更新公式可以简化为:

V’ = w*V + c1*rand()*( gBest-X )



发表评论

You must be logged in to post a comment.