摘要
基本差分进化算法(Differential Evolution,DE)是一种实用性强、简单高效的群智能优化算法,但DE算法同样可能存在着其他群智能优化算法共同存在的缺点,如早熟收敛、易陷入局部最优解等。针对以上问题,文章提出一种Memetic算法,通过改进种群初始化方法和引入邻域搜索算子来增强种群的多样性,通过多种群间的信息交互,保证算法有效跳出局部极值点。通过引入自适应算子,对交叉概率因子和缩放因子进行自适应调整,保证算法具有较高的收敛速度。仿真实验结果表明,HMADE算法可解决标准差分进化算法后期收敛停滞的问题。
出处
《科技创新与应用》
2016年第24期61-62,共2页
Technology Innovation and Application