| 广义逆向学习方法的自适应差分算法 |
| |
| 引用本文： | 刘昌芬,韩红桂,乔俊飞. 广义逆向学习方法的自适应差分算法[J]. 智能系统学报, 2015, 0(1): 131-137 |
| |
| 作者姓名： | 刘昌芬 韩红桂 乔俊飞 |
| |
| 作者单位： | 北京工业大学 电子信息与控制工程学院，北京100124; 计算智能与智能系统北京市重点实验室，北京100124 |
| |
| 基金项目： | 国家自然科学基金资助项目(61034008，61203099，61225016)；北京市自然科学基金资助项目(4122006)；教育部博士点新教师基金资助项目(20121103120020)；北京市科技新星计划资助项目( Z131104000413007)． |
| |
| 摘 要： | 针对差分算法(differential evolution,DE)在解决高维优化问题时参数设置复杂、选择变异策略困难的现象,提出了广义逆向学习方法的自适应差分进化算法(self-adaptive DE algorithm via generalized opposition-based learning,SDE-GOBL)。利用广义的逆向学习方法(generalized opposition-based learning,GOBL)来进行多策略自适应差分算法(Self-adaptive DE,Sa DE)的初始化策略调整,求出各个候选解的相应逆向点,并在候选解和其逆向点中选择所需要的最优初始种群,然后再进行自适应变异、杂交、选择操作,最后通过CEC2005国际竞赛所提供的9个标准测试函数对SDE-GOBL算法进行验证,结果证明该算法具有较快的收敛速度和较高的求解精度。
|
| 关 键 词： | 差分算法 优化 自适应 逆向学习 收敛速度 精度 高维 初始化 |
Self-adaptive DE algorithm via generalized opposition-based learning |
| |
| LIU Changfen,HAN Honggui,QIAO Junfei. Self-adaptive DE algorithm via generalized opposition-based learning[J]. CAAL Transactions on Intelligent Systems, 2015, 0(1): 131-137 |
| |
| Authors: | LIU Changfen HAN Honggui QIAO Junfei |
| |
| Affiliation: | LIU Changfen;HAN Honggui;QIAO Junfei;College of Electronic and Control Engineering,Beijing University of Technology;Beijing Key Laboratory of Computational Intelligence and Intelligence System; |
| |
| Abstract: | |
| |
| Keywords: | differential evolution optimization generalized opposition-based learning convergencespeed accuracy highdimension initialization |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
