×
李伟

一种用于实参数优化的改进云粒子差分进化算法。 （英语） Zbl 1461.90184号

算法（巴塞尔） 9，第4号，第78号论文，19页（2016年）.
摘要：探索开发问题仍然是进化算法框架内最具挑战性的任务之一。为了有效地平衡搜索空间中的探索和开发，本文提出了一种改进的云粒子差分进化算法（MCPDE）用于实参数优化。与原有的云粒子差分进化（CPDE）算法相比，首先根据控制参数的质量设计控制参数自适应策略。其次，引入惯性因素，有效地保持勘探与开发之间的更好平衡。因此，这有助于保持人口的多样性，并阻止过早收敛。此外，在进化过程中，利用对立机制和正交交叉来提高搜索能力。最后，选取CEC2013竞赛基准函数验证了该算法的可行性和有效性。实验结果表明，所提出的MCPDE是求解全局优化问题的有效方法。

理学硕士：

90 C59 数学规划中的近似方法和启发式
65千5 数值数学规划方法

关键词：

云粒子差异演化;勘探开发;惯性系数;全局优化

软件：

中国电子13;hABCDE;WOA公司
PDF格式BibTeX公司 XML格式引用
\textit{W.Li}，《算法（巴塞尔协议）》9，第4期，第78号论文，19页（2016；Zbl 1461.90184）
全文： 内政部
OA许可证

参考文献：

[1] 沃尔夫冈，B。；纪尧姆，B。；斯特芬，C。；A.F.詹姆斯。；弗朗索瓦，K。；弗吉尼亚州。；F.M.朱利安。；米罗斯拉夫，R。；杰里米，J.R。；从人工进化到计算进化：一个研究议程；性质：2006年；第7卷，729-735。
[2] 田总。；Ren，Y.P。；周，M.C。；基于差分进化和粒子群优化组合算法的森林火灾救援车辆双目标调度；IEEE传输。智力。运输。系统：2016; 第17卷，3009-3021。
[3] M.F.扎曼。；Elsayed，S.M。；雷·T。；沙克，R.A。；动态经济调度问题的进化算法；IEEE传输。电力系统：2016; 第31卷，1486-1495。
[4] Mininno，E。；Neri，F。；库比蒂诺，F。；Naso，D。；紧微分进化；IEEE传输。进化。计算：2011; 第15卷，32-54。
[5] 达斯，S。；亚伯拉罕。；科纳尔，A。；使用改进的差分进化算法的自动聚类；IEEE传输。系统。人类网络。A部分：2008年；第38卷，218-236。
[6] 刘，B。；张，Q.F。；F.V.费尔南德斯。；Gielen，G.G.E。；一种有效的机会约束双目标随机优化进化算法；IEEE传输。进化。计算：2013; 第17卷，786-796。
[7] 塞古拉，C。；科埃罗，C.A.C。；埃尔南德斯·迪亚斯，A.G。；改进差分进化的大规模优化向量生成策略；信息科学：2015; 第323106-129卷。
[8] 雅拉，E.C。；基于进化算法的多目标优化：p-最优性准则；IEEE传输。进化。计算：2014; 第18卷，167-179。
[9] 陈，S.-H。；陈，S.-M。；简·W·S。；基于模糊逻辑关系和相似性测度的模糊时间序列预测；信息科学：2016; 第327、272-287卷·Zbl 1458.62237号
[10] 米尔贾利利，S。；刘易斯，A。；鲸鱼优化算法；高级工程师软件：2016; 第95卷，第51-67页。
[11] Holland，J.H；自然和人工系统中的适应：密歇根州安阿伯，美国1975年·Zbl 0317.68006号
[12] Koza，J.R；遗传程序设计：关于利用自然选择进行计算机程序设计：美国马萨诸塞州剑桥市，1992年·Zbl 0850.68161号
[13] 斯托恩，R。；价格，K.V。；差分进化——一种简单有效的连续空间全局优化启发式算法；J.全球。最佳方案：1997; 第11卷，341-359·Zbl 0888.90135号
[14] Hansen，N。；Ostermier，A。；进化策略中完全去随机化的自我适应；进化。计算：2001; 第9卷，159-195。
[15] 西蒙，D。；基于生物地理的优化；IEEE传输。进化。计算：2008; 第12卷，702-713。
[16] 柯克帕特里克，S。；盖拉特，C.D。；医学博士Vecchi。；模拟退火优化；科学：1983年；第220卷，671-680页·Zbl 1225.90162号
[17] Černý，V。；旅行商问题的热力学方法：一种有效的模拟算法；J.优化。理论应用：1985; 第45卷，第41-51页·Zbl 0534.90091号
[18] Shi，Y.H。；脑风暴优化算法；高级Swarm Intell。序列号。莱克特。注释计算。科学：2011; 第6728卷，第303-309页。
[19] Lam，A.Y.S。；李，V.O.K。；基于化学反应的元启发式优化方法；IEEE传输。进化。计算：2010; 第14卷，381-399。
[20] Mua，C.H。；谢军。；刘，Y。；陈，F。；刘，Y。；Jiao，L.C.公司。；基于模拟退火策略和紧度贪婪优化的Memetic算法在网络社区检测中的应用；申请。软计算：2015; 第34卷，485-501。
[21] Cheng，S。；Shi，Y.H。；Q.D.秦。；Ting，T.O。；Bai，R.B。；脑风暴优化算法中保持种群多样性的研究；2014年IEEE进化计算大会（CEC）会议记录：，3230-3237.
[22] 巴斯特克，B。；卡拉博加，D。；数值函数优化的人工BEE群体算法；IEEE Swarm Intelligence研讨会论文集：·Zbl 1149.90186号
[23] Rao，R.V。；V.J.萨瓦尼。；瓦哈里亚，D.P。；基于教学的优化：一种求解约束机械设计优化问题的新方法；计算。辅助设计：2011; 第43卷，303-315。
[24] Rao，R.V。；V.J.萨瓦尼。；瓦哈里亚，D.P。；基于教学的优化：一种求解连续非线性大规模问题的优化方法；信息科学：2012; 第183卷，第1-15页。
[25] 潘，Q.K。；一种有效的协同进化人工蜂群算法在炼钢连铸调度中的应用；欧洲药典。决议：2016年；第250卷，702-714·Zbl 1346.90379号
[26] José，A。；奥苏纳，D。；Lozano，M。；加西亚-马丁内斯，C。；求解医务人员组成问题的一种具有破坏性邻域算子的替代人工蜂群算法；信息科学：2016; 第326卷，第215-226页。
[27] 李伟（Li，W.）。；Wang，L。；姚，Q.Z。；姜庆友。；Yu，L。；王，B。；Hei，X.H。；云粒子差分进化算法：一种新的全局数值优化方法；数学。问题。工程：2015年；第2015卷，497398。
[28] 秦，A.K。；黄，V.L。；Suganthan，P.N。；全局数值优化的策略自适应差分进化算法；IEEE传输。进化。计算：2009; 第13卷，398-417。
[29] Z.金桥。；亚瑟，C.S。；JADE：具有可选外部存档的自适应差分进化；IEEE传输。进化。计算：2009; 第13卷，945-957。
[30] 布雷斯特，J。；格雷纳，S。；博斯科维奇，B。；默尼克，M。；V.Zumer。；微分进化中的自适应控制参数：数值基准问题的比较研究；IEEE传输。进化。计算：2006; 第10卷，646-657。
[31] Tanabe，R。；福冈，A。；基于继承历史的差分进化参数自适应；2013年IEEE国会进化计算会议记录：，71-78.
[32] Ghosh，A。；达斯，S。；乔杜里，A。；Giri，R。；一种改进的基于拟合的控制参数自适应差分进化算法；信息科学：2011; 第181卷，3749-3765。
[33] 秦，F.Q。；冯，Y.X。；离散变异控制参数的自适应差分进化算法；专家系统。申请：2015; 第42卷，1551-1572。
[34] 卢，X.F。；Tang，K。；Bernhard，S。；姚，X。；一种新的差分进化自适应方案；神经计算：2014年；第146卷，2-16页。
[35] Wang，Y。；蔡，Z.X。；张，Q.F。；基于复合试验向量生成策略和控制参数的差分进化；IEEE传输。进化。计算：2011; 第15卷，55-66。
[36] Tanabe，R。；福冈，A.S。；使用线性种群大小缩减来提高SHADE的搜索性能；2014年IEEE进化计算大会（CEC）会议记录：，1658-1665.
[37] 斯瓦加坦，D。；Ajith，A。；乌代，K.C。；Amit，K。；基于邻域变异算子的差分进化；IEEE传输。进化。计算：2009; 第13卷，526-553。
[38] 龚，W.Y。；蔡振华。；Wang，Y。；修复自适应差分进化中的交叉率；申请。软计算：2014; 第15卷，149-168。
[39] Rahnamayan，S。；哈米德，R.T。；医学硕士Magdy。；基于对立的差异进化；IEEE传输。进化。计算：2008; 第12卷，64-79。
[40] 周，Y.Z。；Li，X.Y。；高，L。；一种带交叉变异算子的差分进化算法；申请。软计算：2013; 第13卷，390-401。
[41] G.E.迈克尔。；迪米特里斯，K.T。；尼科斯，G.P。；瓦西利斯，P.P。；N.V.迈克尔。；利用基于邻近度的变异算子增强差分进化；IEEE传输。进化。计算：2011; 第15卷，99-119。
[42] 朱伟。；Tang，Y。；Fang，J.A。；张，W.B。；差分进化的自适应种群调整方案；信息科学：2013; 第223卷，164-191年。
[43] Sun，J。；张，Q。；Tsang，E.P。；DE/EDA：一种新的全局优化进化算法；信息科学：2005; 第169卷，第249-262页。
[44] 亚当，P.P。；基于全局和局部邻域变异算子的自适应Memetic差分进化；信息科学：2013; 第241卷，164-194。
[45] 郑毅杰。；X.L.Xu。；Ling，H.F。；Chen，S.Y。；一种带微分进化算子的混合焰火优化方法；神经计算：2015年；第148卷，75-82页。
[46] 阿里，R.Y。；一种新的混合差分进化算法在铣削加工中选择最佳加工参数；申请。软计算：2013; 第13卷，1561-1566。
[47] Al，R.Y。；多通道车削优化的混合田口微分进化算法；申请。软计算：2013; 第13卷，1433-1439。
[48] Xiang，W.L。；马，S.F。；安，M.Q。；hABCDE：一种基于人工蜂群算法和差分进化的混合进化算法；申请。数学。计算：2014; 第238卷，第370-386页·Zbl 1334.90216号
[49] Asafuddoula，M。；Tapabrata，R。；Ruhul，S。；一种用于单目标优化的自适应混合差分进化算法；申请。数学。计算：2014; 第231卷，第601-618页·Zbl 1410.90255号
[50] 安东尼，P。；卡洛斯，A.C.C。；求解Job-Shop调度问题的混合差分进化Tab搜索算法；申请。软计算：2013; 第13卷，462-474。
[51] 张，C.M。；陈，J。；Xin，B。；拉马克学习与鲍德温学习协同作用下的分布式模因差异进化；申请。软计算：2013; 第13卷，2947-2959。
[52] 拉赫纳马扬，S。；Tizhoosh，H。；马萨诸塞州萨拉马。；软计算技术中的对立与随机性；申请。软计算：2008; 第8卷，906-918。
[53] 崔，L。；李·G。；林，Q。；陈，J。；Lu，N。；多个子种群中具有新变异策略的自适应差分进化算法；计算。操作。决议：2016年；第67卷，155-173·Zbl 1349.90852号
[54] 尹，H。；Moon，不列颠哥伦比亚省。；多交叉算子协同效应的实证研究；IEEE传输。进化。计算：2002; 第6卷，212-223。
[55] Wang，Y。；蔡，Z.X。；张，Q.F。；通过正交交叉提高差分进化的搜索能力；信息科学：2012; 第185卷，第153-177页。
[56] 梁，J.J。；Qu，B.Y。；Suganthan，P.N。；Hernndez-Daz，A.G；CEC 2013年实时参数优化特别会议的问题定义和评估标准：中国郑州，2013。
[57] Suganthan，P.N。；Hansen，N。；梁，J.J。；Deb，K。；陈永平。；Auger，A。；蒂瓦里，S；CEC2005实时参数优化特别会议的问题定义和评估标准：新加坡，2005年。
[58] Clerc，M。；肯尼迪，J。；多维复杂空间中粒子群的爆炸、稳定性和收敛性；IEEE传输。进化。计算：2002; 第6卷，58-73。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。