为设计高效稳定的演化算法,将方程求根的不动点迭代思想引入到优化领域,通过将演化算法的寻优过程看作为在迭代框架下方程不动点的逐步显示化过程,设计出一种基于数学模型的演化新算法,即不动点演化算法(fixed point evolution algorith...为设计高效稳定的演化算法,将方程求根的不动点迭代思想引入到优化领域,通过将演化算法的寻优过程看作为在迭代框架下方程不动点的逐步显示化过程,设计出一种基于数学模型的演化新算法,即不动点演化算法(fixed point evolution algorithm,FPEA).该算法的繁殖算子是由Aitken加速的不动点迭代模型导出的二次多项式,其整体框架继承传统演化算法(如差分演化算法)基于种群的迭代模式.试验结果表明:在基准函数集CEC2014、CEC2019上,本文算法的最优值平均排名在所有比较算法中排名第1;在4个工程约束设计问题上,FPEA与CSA、GPE等多个算法相比,能以较少的计算开销获得最高的求解精度.展开更多
针对差分进化算法在应对多模态复杂优化问题时面临种群多样性丧失和过早收敛的缺陷,提出了一种基于自扰动和极性维度交互的自适应差分进化算法(Adaptive Differential Evolution Based on Self-guided Perturbation and Extreme Dimensi...针对差分进化算法在应对多模态复杂优化问题时面临种群多样性丧失和过早收敛的缺陷,提出了一种基于自扰动和极性维度交互的自适应差分进化算法(Adaptive Differential Evolution Based on Self-guided Perturbation and Extreme Dimension Exchange,APE-DE)。首先,设计了一种自扰动补偿策略,通过个体的空间位置来引导其搜索方向,有效避免了算法易陷入局部最优的困境。然后,提出了一种极性维度交互策略,用于提升算法多样性,一旦种群被检测出停滞,将启动相应的增强方案。最后,提出了一种自适应参数控制策略,通过小波基函数和适应度分布偏差信息实时捕捉种群适应度的变化,并据此动态调整算法参数。为了验证APE-DE的性能,在被广泛使用的IEEE CEC2017数据集上进行了实验,以验证算法面对多模态及复杂测试环境下的性能。实验结果表明,与8种最先进的差分进化变体相比,APE-DE在收敛精度和收敛速度方面均展现出了显著的优势。此外,为了评估APE-DE在解决现实问题中的有效性,将所提算法应用于光伏模型的参数识别问题。展开更多
基金国家自然科学基金(62272077,72301050)重庆市教委科技重大项目(KJZD-M202400604)资助+1 种基金the Natural ScienceFoundation of Chongqing,China(No.cstc2021jcyj msxmX0557)the MOE Layout Foundation of Humanities and Social Sciences,China(No.20YJAZH102).
文摘为设计高效稳定的演化算法,将方程求根的不动点迭代思想引入到优化领域,通过将演化算法的寻优过程看作为在迭代框架下方程不动点的逐步显示化过程,设计出一种基于数学模型的演化新算法,即不动点演化算法(fixed point evolution algorithm,FPEA).该算法的繁殖算子是由Aitken加速的不动点迭代模型导出的二次多项式,其整体框架继承传统演化算法(如差分演化算法)基于种群的迭代模式.试验结果表明:在基准函数集CEC2014、CEC2019上,本文算法的最优值平均排名在所有比较算法中排名第1;在4个工程约束设计问题上,FPEA与CSA、GPE等多个算法相比,能以较少的计算开销获得最高的求解精度.
文摘针对差分进化算法在应对多模态复杂优化问题时面临种群多样性丧失和过早收敛的缺陷,提出了一种基于自扰动和极性维度交互的自适应差分进化算法(Adaptive Differential Evolution Based on Self-guided Perturbation and Extreme Dimension Exchange,APE-DE)。首先,设计了一种自扰动补偿策略,通过个体的空间位置来引导其搜索方向,有效避免了算法易陷入局部最优的困境。然后,提出了一种极性维度交互策略,用于提升算法多样性,一旦种群被检测出停滞,将启动相应的增强方案。最后,提出了一种自适应参数控制策略,通过小波基函数和适应度分布偏差信息实时捕捉种群适应度的变化,并据此动态调整算法参数。为了验证APE-DE的性能,在被广泛使用的IEEE CEC2017数据集上进行了实验,以验证算法面对多模态及复杂测试环境下的性能。实验结果表明,与8种最先进的差分进化变体相比,APE-DE在收敛精度和收敛速度方面均展现出了显著的优势。此外,为了评估APE-DE在解决现实问题中的有效性,将所提算法应用于光伏模型的参数识别问题。
