摘要
提出一种新的混沌差分进化(CDE)算法,在每一代中通过差分进化(DE)算法找到最佳个体,在最佳个体附近用混沌方法进行局部搜索,通过引入调节因子加强其搜索能力。6个基本测试函数的优化结果表明,当误差函数精度为10-14时,与DE相比,CDE的寻优能力更强、收敛速度较快。
This paper proposes a new Chaos Differential Evolution(CDE) algorithm. It uses Differential Evolution(DE) algorithm to find the best individual each generation, then chaos based local search is executed nearby the best individual. A scaling factor is introduced to enhance the searching ability of CDE. Experimental results on six benchmark functions show the error function value is 10^-14, both the ability of finding optimal solution and convergence speed using CDE are better than using DE.
出处
《计算机工程》
CAS
CSCD
北大核心
2009年第11期216-217,220,共3页
Computer Engineering
基金
国家自然科学基金资助项目(50275150)
关键词
差分进化
混沌
局部搜索
Differential Evolution(DE)
chaos
local search