一种两状态动态优化的自学习差异进化算法

摘要

提出一种具有自学习机制的差异进化算法SeDE(Self-Learning Differential Evolution),提高在动态优化求解过程中群体适应环境动态变化的能力.采用重新评估特定个体的方式监测环境变化.通过群体向新状态历史最优解引导学习,将当代最优个体和两随机个体共同引导个体,保持群体多样性的同时加快算法收敛速度,降低环境的频繁变化对算法搜索能力的影响.通过6个动态函数测试了变化周期、函数维数对算法的影响,同时将新算法与两个同类算法比较,实验结果表明,自学习差异进化能更快地适应环境动态变化,获得更好的优化结果.