隨機(jī)自適應(yīng)差分進(jìn)化算法

沈 鑫，鄒德旋，張 鑫

(江蘇師范大學(xué) 電氣工程及自動(dòng)化學(xué)院，江蘇 徐州 221116)

隨機(jī)自適應(yīng)差分進(jìn)化算法

沈 鑫，鄒德旋，張 鑫

(江蘇師范大學(xué) 電氣工程及自動(dòng)化學(xué)院，江蘇 徐州 221116)

針對差分進(jìn)化算法存在早熟收斂且與理想最優(yōu)值相差甚遠(yuǎn)等缺陷。隨機(jī)自適應(yīng)差分進(jìn)化算法被提出，該算法采用隨機(jī)選擇策略的變異操作，再加小概率擾動(dòng)；對變異因子和交叉概率進(jìn)行自適應(yīng)操作，以滿足算法不同階段的要求，其中交叉概率利用種群個(gè)體平均適應(yīng)度值作對比，有利于充分利用種群信息。對幾個(gè)標(biāo)準(zhǔn)函數(shù)進(jìn)行測試并將該算法與其他4種方法進(jìn)行比較，結(jié)果顯示該算法的優(yōu)化性能比其他方法好，具有較好的跳出局部最優(yōu)的能力和收斂精度。

差分進(jìn)化算法；隨機(jī)變異；擾動(dòng)；自適應(yīng)操作

差分進(jìn)化(Differential Evolution,DE)算法[1]是在種群內(nèi)尋找最優(yōu)值的智能優(yōu)化算法。目前，DE算法在神經(jīng)網(wǎng)絡(luò)優(yōu)化[2]、電力系統(tǒng)無功優(yōu)化[3]、約束優(yōu)化[4]、車間調(diào)度[5]、控制[6]等方面得到了廣泛應(yīng)用。DE算法到了進(jìn)化后期，種群的多樣性降低，容易出現(xiàn)早熟收斂和收斂精度不高的問題。

為克服以上缺點(diǎn), 針對DE算法的改進(jìn)主要在以下幾方面：控制參數(shù)[7]、變異策略[8-9]、種群結(jié)構(gòu)[10]、混合優(yōu)化算法[11-13]。文獻(xiàn)[14]提出了隨機(jī)變異差分進(jìn)化算法(Random Mutation Differential Evolution Algorithm, RMDE)。本文在此基礎(chǔ)上提出了一種隨機(jī)自適應(yīng)差分進(jìn)化算法(Self-adaptive Differential Evolution Algorithm with Random Mutation,SRDE)，SRDE算法在RMDE算法的基礎(chǔ)上又增加了對參數(shù)的自適應(yīng)操作，使其收斂精度更高，跳出局部最優(yōu)解的能力更強(qiáng)。

1 標(biāo)準(zhǔn)的差分進(jìn)化算法

差分進(jìn)化算法的基本思想是對初始化種群中的個(gè)體，進(jìn)行變異、交叉、選擇操作，按照"適者生存"的原則來保留優(yōu)秀個(gè)體，實(shí)現(xiàn)種群更新。……