基于简化群优化算法和协方差矩阵学习的差分进化算法

计算机工程与科学

基于简化群优化算法和协方差矩阵学习的差分进化算法

朱林波，汪继文，邱剑锋，方柳平

（安徽大学计算机科学与技术学院，安徽合肥 230039）

收稿日期:2016-01-30 修回日期:2016-06-07 出版日期:2017-11-25 发布日期:2017-11-25
基金资助:
安徽省高校省级重点自然科学研究项目( KJ2013A009)

A new differential evolution algorithm based on

SSO algorithm and covariance matrix learning

ZHU Lin-bo,WANG Ji-wen,QIU Jian-feng,FANG Liu-ping

(School of Computer Science and Technology,Anhui University,Hefei 230039,China)

Received:2016-01-30 Revised:2016-06-07 Online:2017-11-25 Published:2017-11-25

摘要/Abstract

摘要：

把SSO算法的交叉策略、协方差矩阵学习策略与传统的DE算法结合，提出一个新的DE算法的变种，我们把它称作SCDE算法。正如我们所知，DE算法的变异策略在DE算法中占据了非常重要的位置，然而，传统的DE算法的变异策略都是用相对位置来产生候选解，本文尝试利用个体历史最优解来诱导变异产生候选解，这将大大提高种群跳出局部最优的能力。此外，将算法的变异和交叉操作放在由种群的协方差矩阵的所有特征向量组成的坐标系中执行，这将使算法的交叉和变异操作具有旋转不变性。实验结果表明，本文提出的新的交叉和变异策略可以大大提高DE算法在CEC 2013中28个测试函数的全局寻优能力。

关键词: 差分进化算法, 绝对位置, 协方差矩阵, 旋转不变性

Abstract:

We propose a new differential evolution (DE) algorithm which incorporates the DE with the crossover thought of the simplified swarm optimization (SSO) algorithm and the covariance matrix learning, called SCDE algorithm. As we know, mutation operation plays a very important role in the performance of the DE. However, traditional mutation strategies of the DE all use the relative position to generate a candidate vector. We try to utilize individual historical optimal solution to induce the variation, which can greatly enhance its ability of jumping out of local populations. Furthermore, the crossover and mutation operations are executed in an appropriate coordinate system which is generated by the covariance matrix of the population and it can make the crossover and mutation operation rotationally invariant. Experimental results show that the proposed algorithm can significantly improve the DE's performance on a set of 28 test functions in CEC 2013 benchmark sets.

Key words: differential evolution algorithm, absolute position, covariance matrix, rotationally invariant

朱林波，汪继文，邱剑锋，方柳平. 基于简化群优化算法和协方差矩阵学习的差分进化算法[J]. 计算机工程与科学.

ZHU Lin-bo,WANG Ji-wen,QIU Jian-feng,FANG Liu-ping .

A new differential evolution algorithm based on

SSO algorithm and covariance matrix learning

[J]. Computer Engineering & Science.

[1]	权威铭, 刘天一, 张雷. 带有协方差矩阵的卷积神经网络在人体运动识别中的应用[J]. 计算机工程与科学, 2022, 44(11): 2027-2036.
[2]	胡福年，董倩男. 多策略自适应变异的差分进化算法及其应用[J]. 计算机工程与科学, 2020, 42(06): 1076-1088.
[3]	宋强1,刘亚萍2,刘珍兰1. 基于多代种群进化信息改进的差分进化算法研究[J]. 计算机工程与科学, 2018, 40(11): 2054-2059.
[4]	黄辉先，胡鹏飞. 基于共轭梯度法的反馈差分进化混合算法及其在弹簧设计中的应用[J]. 计算机工程与科学, 2018, 40(07): 1316-1322.
[5]	徐曼舒，汪继文，邱剑锋，王心灵. 基于改进人工蜂群的模糊C-均值聚类算法[J]. J4, 2016, 38(06): 1238-1243.
[6]	王林1，彭璐1，夏德2，曾奕1. 自适应差分进化算法优化BP神经网络的时间序列预测[J]. J4, 2015, 37(12): 2270-2275.
[7]	姜枫1，周莉莉2，李丛1. 基于二进制特征描述器的图像匹配算法[J]. J4, 2015, 37(08): 1551-1557.
[8]	张弛1，乐晓波1，周恺卿2，莫礼平3. 采用差分进化算法优化模糊Petri网参数[J]. J4, 2014, 36(06): 1095-1100.
[9]	王林，冯云涛，富庆亮. 差分进化算法在模糊多资源约束联合补货模型中的应用[J]. J4, 2012, 34(1): 148-153.
[10]	张连伟1，2，刘大学2，刘肖琳2，李焱2，徐昕2，贺汉根2. 基于图形处理器的点云快速光顺[J]. J4, 2011, 33(4): 86-92.
[11]	卢炎生[1] 孙钢波[1] 韩根甲[2]. 一种基于圆周划分的模板匹配算法[J]. J4, 2006, 28(1): 75-77.