基于距离和适应度综合排序的差异进化算法

摘要

差异进化算法在解决复杂问题时有着独到的优势,其算法也在不断被改进,但大部分改进算法只利用了搜索空间或适应度空间的单一信息.基于距离选择和适应度排序,提出一种改进的变异选择方法,将部分个体的选择通过综合个体间距离和适应度排序信息得到,该方法改变了经典差异进化算法的变异步骤,可以直接融入常用变异策略中.使用CEC 2017超多目标优化竞赛提供的函数集,从邻近组比例和问题维度对算法的性能影响进行分析和实验,结果表明,邻近组比例与变异策略中的扰动个数有关,最优邻近组比例下的改进算法比已有算法具有更好的运算能力,并且问题越复杂优势越明显.