梯度策略自適應差分進化算法

楊　俊,魏靜萱

(西安電子科技大學 計算機學院,陜西 西安　710071)

梯度策略自適應差分進化算法

楊俊,魏靜萱

(西安電子科技大學 計算機學院,陜西 西安710071)

摘要差分進化算法是一種有效求解全局優化問題的方法,為進一步提高求解精度,加快求解過程,文中提出一種梯度策略自適應差分進化算法。該算法是在差分進化算法中加入梯度下降法,使其不僅有較好的全局搜索能力,且具有傳統優化方法的快速局部搜索能力,因此具有較高搜索精度和較快的搜索過程。通過對CEC2005測試集中的1～14號測試函數進行仿真實驗,并與SaDE,NSDE以及CMAES等算法實驗結果進行了對比,結果表明了該算法的有效性。

關鍵詞差分進化算法;全局優化;梯度下降法

Adaptive Differential Evolution Algorithm Based on Gradient Search Strategy

YANG Jun,WEI Jingxuan

(School of Computer Science and Technology,Xidian University,Xi’an 710071,China)

AbstractThe differential evolutionary algorithm is effective in solving global optimization.An improved adaptive differential evolution algorithm based on gradient search strategy is proposed to improve the accuracy of the solved solutions.The improved gradient search strategy is introduced into differential evolutionary algorithm to solve large scale optimization problems.The proposed algorithm is capable of both global and local search.The simulation results show that the proposed algorithm has better results compared to SaDE,NSDE and CMAES for benchmark functions 1~14 in CEC 2005.

Keywordsdifferential evolution algorithm;global optimization;gradient descent

現實中的許多工程問題都可以通過轉化為全局優化問題[1],而全局優化的目標就是快速而準確地求解出目標函數在可行域內的最優值。求解方法一般分為兩類:第一類是傳統優化算法,例如梯度下降法、牛頓法、共軛梯度法、單純形法等[2-3]。這一類的方法由于其利用了目標函數導數等性質,因此收斂速度較快,但容易陷入局部最優,且適用的目標函數范圍較小。第二類方法是差分進化算法,其利用數學的方式模擬生物進化,快速進行一代一代的進化,從而求得最優值[4]。這類方法由于不利用目標函數的性質,因此適應范圍較廣,但卻具有一定的局限性,例如易陷入局部最優且進化后期速度較慢。為解決上述進化算法的局限性,本文提出了一種改進的全局優化算法——梯度策略自適應差分進化算法(GSaDE)。……