基于过滤引导及随机性策略的差分搜索算法

差分搜索算法是一种新型高效的仿生智能优化算法。但该算法仍存在收敛速度较慢,搜索精度不够高等缺点。为此,本文提出一种基于过滤引导及随机性策略的差分搜索算法。一方面,将过滤择优策略引入到搜索方程中进行首次搜索,使得算法收敛速度及搜索精度得到提高;另一方面,提出随机算子引导搜索方程,使得算法可以快速达到全局收敛。对标准测试函数进行了优化求解实验,结果表明,所提出的改进策略有效地提高了算法的优化性能,较之其它算法更适合求解复杂度高且难度较大的多模态最优化问题。