基于种群状态信息的自适应差分进化算法

种群的局部最优与停滞状态会严重影响差分进化(DE)算法的性能。为了消除这2种状态引起的不利因素,提出一种带有种群状态处理措施的改进DE算法。当种群处于局部最优状态时,运用限制记忆的拟牛顿(LBFGS)方法对种群中的个体进行随机学习提高解的全局质量,通过高斯变异生成新个体,促使种群跳出局部最优;当算法处于停滞状态时,运用种群的协方差矩阵,通过空间坐标旋转对目标个体进行重组,从而抑制种群停滞状态,加强算法全局搜索能力。此外,算法设计一种新型的选择策略,该选择策略设置一个存放经贪心选择后被遗弃个体的外部存档。当实验个体劣于目标个体时,算法则不再以贪心选择策略生成下一代,而是围绕外部存档进行合理的智能选择,使算法向全局最优收敛。实验表明,通过与先进的8个DE算法在29个标准的测试函数比较,所提算法在解的精确度和收敛速度均具有更好的性能。