摘要: 摘 要: 针对现有差分进化算法(DE)在处理种群多样性降低和局部最优问题时种群大小改进方法的性能不足,提出了一种基于双档案种群大小自适应方法(APSA)的改进差分进化算法(APDE算法)。首先,构建了两个档案分别用于记录在先前进化中丢弃的个体和试验个体。其次,根据种群分布状态变化来衡量多样性变化,并在多样性下降时从档案中选择个体加入种群,用于提升种群的多样性以及跳出局部最优的能力。最后基于APSA方法,提出了一种改进的差分进化算法APDE。在CEC2017测试集和兰纳-琼斯势问题上的广泛测试表明,APDE算法在30个测试函数上基于Friedman test的测试中优于其他5种差分进化算法,取得了最优排名,在至少20%的测试函数取得了显著提升。同时在解决势能最小化上也取得了最佳性能。
中图分类号: