机构地区: 浙江工业大学信息工程学院
出 处: 《计算机学报》 第0期
摘 要: 为了减少智能优化算法求解复杂问题时所需的目标函数评价次数,降低算法计算代价,在差分进化算法框架下,结合Lipschitz估计理论,提出一种基于局部Lipschitz下界估计支撑面的差分进化算法.首先,对新个体的N邻近个体构建Lipschitz下界估计支撑面,进而通过支撑面获取新个体的下界估计值;然后,根据下界估计值设计Lipschitz估计选择策略来指导种群更新;其次,利用下界估计区域的极值信息排除部分无效区域,逐步缩小搜索区域;最后,根据N邻近个体下降方向和主导支撑面下降方向设计广义下降方向作局部增强.数值实验结果表明,所提算法与文中给出的主流算法相比,能够以较少的目标函数评价次数获得高质量的最优解.更多还原
关 键 词: 差分进化 智能优化算法 下界估计 全局优化 支撑面
分 类 号: [TP18]
领 域: [自动化与计算机技术] [自动化与计算机技术]