多策略自适应变异的差分进化算法及其应用

计算机工程与科学

多策略自适应变异的差分进化算法及其应用

胡福年，董倩男

（江苏师范大学电气工程及自动化学院，江苏徐州 221000）

收稿日期:2019-12-12 修回日期:2020-02-07 出版日期:2020-06-25 发布日期:2020-06-25
基金资助:
徐州市科技计划项目（KC16SG253）；江苏师范大学研究生科研创新计划项目（2018YXJ077）

A multi-strategy adaptive mutation differential

evolution algorithm and its application

HU Fu-nian，DONG Qian-nan

（School of Electrical Engineering & Automation,Jiangsu Normal University,Xuzhou 221000,China）

Received:2019-12-12 Revised:2020-02-07 Online:2020-06-25 Published:2020-06-25

摘要/Abstract

摘要：

针对传统DE算法在求解复杂函数时会出现早熟收敛、收敛精度低、收敛速度慢等缺陷，提出了一种多策略自适应变异的差分进化算法MsA-DE。将3种变异策略两两结合，随机分配所占比重，以增加种群的多样性；通过引入进化程度阈值，自适应地选择最合适的变异策略，平衡算法的全局搜索和局部搜索能力；对越界的变异个体进行处理，保证种群的多样性和有效性。加入扰动机制提高算法跳出局部最优的能力，同时提高最优解的精度。将该算法用于14个测试函数的优化中，结果表明，MsA-DE算法与其它4种算法相比具有更高的收敛精度和跳出局部最优的能力。将该算法应用于铁路功率调节器RPC的容量优化问题中，结果表明，该算法能够减小RPC补偿装置的容量，提高装置的经济性。

关键词: 差分进化算法, 多变异策略, 越界处理, 自适应, 容量优化

Abstract:

In order to solve the defects of premature convergence, low convergence precision and slow convergence speed in the traditional DE algorithm, a multi-strategy adaptive mutation differential evolution algorithm (MsA-DE) is proposed. The algorithm combines three kinds of mutation strategies, randomly assigns the proportion, and increases the diversity of the population. By introducing the evolution threshold, the most appropriate mutation strategy is adaptively selected, and the global search and local search ability of the algorithm are balanced. Individuals crossing the boundary are treated to ensure the diversity and effectiveness of the population. Adding a perturbation mechanism improves the ability of the algorithm to jump out of local optimum, and at the same time improves the accuracy of obtaining the optimal solution. The algorithm is applied to the optimization of 14 test functions. The results show that the MsA-DE algorithm has higher convergence precision and the ability to jump out of local optimum, compared with the other three algorithms. The algorithm is applied to the capacity optimization problem of Railway Power Conditioner (RPC). The results show that the algorithm can reduce the capacity of the RPC compensation device and improve the economics of the device.

Key words: differential evolution algorithm, multi-variation strategy, out-of-bounds processing, adaptive, capacity optimization

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.

HU Fu-nian，DONG Qian-nan.

A multi-strategy adaptive mutation differential

evolution algorithm and its application

[J]. Computer Engineering & Science.

[1]	胡小月, 王强, 吕方旭, 许超龙, 张锦. 面向56 Gb/s高速SerDes接收机DSP设计[J]. 计算机工程与科学, 2024, 46(07): 1202-1209.
[2]	范琪, 王善敏, 刘成广, 刘青山. 类别特征约束的多目标域表情识别方法[J]. 计算机工程与科学, 2024, 46(05): 836-845.
[3]	李江华, 王鹏晖, 李伟. 一种混合多策略改进的麻雀搜索算法[J]. 计算机工程与科学, 2024, 46(02): 303-315.
[4]	吴国栋, 刘旭旭, 毕海娇, 范维成, 涂立静. 基于元学习个性化推荐研究综述[J]. 计算机工程与科学, 2024, 46(02): 338-352.
[5]	李雨恒, 高尚, 孟祥宇. 基于精英引导的改进哈里斯鹰优化算法[J]. 计算机工程与科学, 2024, 46(02): 363-373.
[6]	沈克宇, 游志宇, 刘永鑫. 基于拟合优先搜索的多场景自适应改进A*算法[J]. 计算机工程与科学, 2024, 46(01): 142-149.
[7]	孙睿男, 初翔, 陈昱, 闫明宁. 基于混合启发式算法的快递末端选址路径优化研究[J]. 计算机工程与科学, 2024, 46(01): 159-169.
[8]	刘琰, 张姣, 姜胜腾, 潘筱茜, 赵海涛, 魏急波. 一种多策略融合的人工蜂鸟算法[J]. 计算机工程与科学, 2023, 45(12): 2216-2225.
[9]	王若宾, 耿芳东, 张永梅, 宋威, 王伟锋, 徐琳. 基于改进自适应DBSCAN的混合式MOOC视频观看模式挖掘[J]. 计算机工程与科学, 2023, 45(09): 1670-1678.
[10]	罗晓霞, 邓勇, 叶鸥. 复杂场景中多阶段自适应帽子检测算法[J]. 计算机工程与科学, 2023, 45(07): 1253-1262.
[11]	白杉, 冯秀芳. 基于注意力增强的中心差分自适应图卷积的骨架行为识别[J]. 计算机工程与科学, 2023, 45(07): 1263-1273.
[12]	柴岩, 朱玉, 任生. 多策略协同的改进鲸鱼优化算法[J]. 计算机工程与科学, 2023, 45(07): 1308-1319.
[13]	黄学雨, 罗华. 融合正余弦策略的算术优化算法[J]. 计算机工程与科学, 2023, 45(07): 1320-1330.
[14]	赖明澈, 吕方旭, 张庚, 许超龙. 面向112 Gbps PAM4串行接收机的低误码协同自适应均衡器[J]. 计算机工程与科学, 2023, 45(06): 951-960.
[15]	吴付坤, 曹轶, 董庆利, . 基于CAD几何模型的曲面流线可视分析方法[J]. 计算机工程与科学, 2023, 45(06): 961-969.