摘要:
当最优解偏离目标函数定义域的几何中心时,反向个体容易远离全局最优解,基于反向差分进化算法的性能会大幅降低. 该文引入基于当前最优解的反向学习策略,并与差分进化算法相结合,求解函数优化问题. 当前代的最优解作为候选解和相应反向个体之间的对称点,能保证反向种群的利用率始终维持在较高水平. 实验结果表明,该算法可行而高效,且算法性能的提升完全是反向个体的贡献. 此外,提出一种增强的基于反向差分进化算法,展示出此类优化方法的最优效果.
中图分类号:
徐庆征, 王磊, 何宝民, 王娜. 基于当前最优解的反向差分进化算法求解函数优化问题[J]. 应用科学学报, 2011, 29(3): 308-315.
XU Qing-zheng1;2, WANG Lei1, HE Bao-min1, WANG Na2. Opposition-Based Differential Evolution Using the Current Optimum for Function Optimization[J]. Journal of Applied Sciences, 2011, 29(3): 308-315.