一种基于种群划分的分布式自适应差分进化算法

种群划分技术因其计算并行性在处理复杂优化问题时往往具有较高的性能,分布式差分进化算法DDE通过将整个种群划分为3个子种群,即精英种群、普通种群和劣势种群,从而构建了一个分布式框架,每个子种群独立进化并相互联系,大大提高了差分进化算法DE在处理大规模复杂优化问题时的性能,使得DDE成为一种很有前途的全局优化方法.因此,本文提出了一种基于种群划分的分布式自适应差分进化算法DE-MDF来提高DE的性能.算法性能是根据CEC 2017测试套件中所有的基准函数进行评估的.实验结果表明,与其他先进自适应DE变体相比,DE-MDF在解的质量和收敛速度方面具有明显的优势.