基于群体信息挖掘的协同差分进化算法及其应用

摘要

为了提高差分进化算法(differential evolution algorithm，DE)的寻优速度和寻优效能，提出了一种基于群体信息挖掘的协同差分进化算法。该算法首先利用协同进化的思想，将种群分解成不同的子种群，每个子种群采用不同的差分策略进行独立的差分和交叉操作，再将各个子种群合并成一个种群，并根据每个个体的适应度值挑选出最优个体；为了提高差分进化算法的局部搜索能力，引入了多元回归分析和模式搜索算法，对于整个种群，利用最小二乘法求得种群的寻优方向信息，并以此来指导种群中的每一个个体进行模式搜索。仿真试验和在精对苯二甲酸生产过程对羧基苯甲醛含量软测量模型参数估计中的实际应用表明：该算法的性能比传统的差分进化算法有较大的提高，取得了较好的效果。