针对生物地理学优化算法(biogeography based optimization,BBO)容易陷入局部最优解的缺点,提出一种基于微分进化(differential evolution,DE)改进BBO算法的混合生物地理学(BBO-DE)优化算法。通过有机结合BBO算法的利用能力和DE算法的...针对生物地理学优化算法(biogeography based optimization,BBO)容易陷入局部最优解的缺点,提出一种基于微分进化(differential evolution,DE)改进BBO算法的混合生物地理学(BBO-DE)优化算法。通过有机结合BBO算法的利用能力和DE算法的搜索能力,实现利用能力与搜索能力的平衡;引入基于可行性的约束处理机制,解决传统BBO算法无法求解约束优化的问题。通过选定的8个标准测试函数对改进算法进行仿真测试,测试结果验证了改进算法的可行性和有效性,与基本BBO和DE算法相比,其在最终解的质量和收敛速度上具有明显优势。展开更多
文摘针对生物地理学优化算法(biogeography based optimization,BBO)容易陷入局部最优解的缺点,提出一种基于微分进化(differential evolution,DE)改进BBO算法的混合生物地理学(BBO-DE)优化算法。通过有机结合BBO算法的利用能力和DE算法的搜索能力,实现利用能力与搜索能力的平衡;引入基于可行性的约束处理机制,解决传统BBO算法无法求解约束优化的问题。通过选定的8个标准测试函数对改进算法进行仿真测试,测试结果验证了改进算法的可行性和有效性,与基本BBO和DE算法相比,其在最终解的质量和收敛速度上具有明显优势。