分步交叉差分进化算法及仿真应用

为了使得不同的优化问题能进行最佳寻优,基本差分进化算法需要有针对性的对控制参数进行设置,为此提出了分步交叉差分进化算法。该算法利用柯西分布随机数设计用于生成尺度因子和交叉概率,并把进化的过程分为两个步骤,不同步骤分别利用生成的交叉概率改善算法性能。为了加快收敛速度,避免算法寻优的盲目性,采用选中拥有优势解的随机向量作为基向量。通过挑选有代表性的Benchmark函数及典型运输问题进行仿真试验,并把其他经典算法参照,证明其拥有良好的收敛性的同时并显著提高寻优质量。