基于耿贝尔采样的差分进化算法

摘要

针对差分进化算法在求解复杂优化问题中面临的搜索多样性不足、易陷入局部最优等问题,提出了一种融合耿贝尔采样机制的差分进化算法.该算法引入了两种新型变异策略:一是基于耿贝尔采样学习的变异策略,通过对高质量个体进行耿贝尔采样,提升个体生成的质量;二是基于耿贝尔采样的精英变异策略,结合耿贝尔扰动机制对精英个体进行局部搜索,增强算法的局部开发能力.两种策略协同作用,能够有效提高种群的多样性和搜索精度.在大量测试集函数和大规模定日镜场应用问题上对所提算法与多种主流差分进化算法变体进行了对比.实验结果表明,所提算法在大多数测试问题上表现优越,兼具较好的全局搜索能力与收敛性能,具有较强的稳定性与适应性.该研究为复杂优化问题的智能求解提供了一种有效的新方法.

关键词

差分进化算法 / 耿贝尔采样 / 变异策略 / 全局优化 / 进化计算