反向学习的约束差分进化算法

duck

摘要:差分进化算法是一种结构简单,易用且鲁棒性强的全局搜索启发式优化算法,它可以结合约束处理技术来解决约束优化问题.机器学习在进化算法中,经常可以引导种群的进化,而且被广泛地应用于无约束的差分进化算法中,但对于约束差分进化算法却很少有应用.针对这一情况,提出了一种基于反向学习的约束差分进化算法框架.该算法框架采用基于反向学习的机器学习方法,提高约束差分进化算法的多样性和加速全局收敛速度.最后把该算法框架植入了两个著名的约束差分进化算法u+A)-CDE和 ECHT,并采用CEC 2010的18个Benchmark 函数进行了实验评估,实验结果表明:与(1+入)-CDE和ECHT相比,植入后的算法具有更强的全局搜索能力.更快的收敛速度和更高的收敛精度.
! x% b- Y1 g1 u5 E关键词:反向学习;差分进化;约束优化;收敛性
% q3 n) L! |; {" x3 p* _

游客，如果您要查看本帖隐藏内容请回复

, e& I4 g0 D7 ]

SIN2020

反向学习的约束差分进化算法，收藏了。