求解大规模可靠性问题的改进差分进化算法

针对差分进化算法典型变异算子的局限,设计了全局加速的变异算子,进而提出全局加速的自适应改进算法.新变异算子能够均衡全局搜索与局部搜索,提高寻优效率.根据差分向量与整个种群分布范围的关系,有针对性的设定变异率值,减缓搜索范围缩小的趋势,保持较高的种群多样性.采用两区间选择策略,通过学习和比较自适应地调整交叉率,使其满足进化搜索的需要,同时提高算法的通用性.将改进算法应用于大规模可靠性问题中,实验结果表明,改进算法在解决大规模系统可靠性问题时具有更好的寻优效果.

双向随机多策略变异的自适应差分进化算法

针对差分进化算法中局部搜索和全局搜索之间的均衡难题,设计了一个基于符号函数的多策略变异算子,进而提出一种改进的自适应差分进化算法。新算法为提高跳出局部最优和搜索到全局最优解的可能性,用正负随机数代替了原有的变异率F,实现了两个方向上的随机搜索。同时为进一步简化参数选择过程,提高算法的寻优性能和通用性,新算法还设计了交叉率CR的两区间选择策略,在进化过程中通过学习以往的成功经验,实现自适应调整。对比实验结果表明,该算法具有更快的精确寻优和跳出局部最优的能力。