摘要
差分进化算法由于算法结构简单易于执行,并且具有优化效率高、参数设置简单、鲁棒性好等优点,因此差分进化算法吸引了越来越多研究者的关注。本文概述了差分进化算法的基本概念以及存在的问题,综述了差分进化算法的控制参数、差分策略、种群结构以及与其他最优化算法混合等4个方面改进策略并讨论它们各自的优缺点,为差分进化算法下一步的改进提出了参考方向。
Due to its simple algorithm structure, ease of performance, high optimization efficiency, simple parameter setting, and excellent robustness, the differential evolution （DE） algorithm has attracted increasing attention from researchers. In this paper, we outline the basic concepts of the DE algorithm as well as its limitations, and review four improvement strategies, including a control parameter, differential strategy, population structure, and mixing it with other optimization algorithms. We discuss the advantages and disadvantages of these strategies and suggest directions for future improvements to the DE algorithm.
作者
丁青锋
尹晓宇
DING Qingfeng YIN Xiaoyu(School of Electrical and Automation Engineering, East China Jiaotong University, Nanchang 330013, China Key Laboratory of Specialty Fiber Optics and Optical Access Networks, Shanghai University, Shanghai 200072, China)
出处
《智能系统学报》
CSCD
北大核心
2017年第4期431-442,共12页
CAAI Transactions on Intelligent Systems
基金
国家自然科学基金项目(61501186)
江西省普通本科高校中青年教师发展计划访问学者专项资金项目
江西省自然科学基金项目(20171BAB202001)
江西省教育厅科学基金项目(GJJ150491)
关键词
差分进化
启发式并行搜索
差分策略
控制参数
种群结构
混合优化
收敛速度
优化效率
differential evolution algorithm
heuristic parallel search
differential strategies
control parameter
population structure
mixed optimization
convergence rate
optimization efficiency
