双模型驱动的多偏好策略自适应差分演化算法

摘要

为增强代理模型辅助进化算法对高维昂贵优化问题的求解性能，提出了一种双模型驱动的多偏好策略自适应差分演化算法。该算法基于全局和局部两种代理建模方法，有机融合了3种具有不同寻优偏好的进化策略。每次迭代，通过利用优化过程中最优解在线更迭反馈信息，以序贯方式自适应调整不同进化策略调用频次，以高效平衡算法的全局勘探和局部开采。为促进种群内个体间优秀信息共享，设计了一种精英个体驱动的差分扰动策略，以增量潜在优解区域的最优样本先验。通过处理26个不同规模的高维基准测试问题，结果表明，所提算法的收敛性能和优化效率较4种先进的同类型算法在至少17个测试问题上绝对占优。

关键词

代理模型 / 昂贵优化 / 差分演化 / 策略自适应 / 精英扰动