首页 | 本学科首页   官方微博 | 高级检索  
     

基于混沌和高斯局部优化的混合差分进化算法
引用本文:贾东立.基于混沌和高斯局部优化的混合差分进化算法[J].控制与决策,2010,25(6):899-902.
作者姓名:贾东立
作者单位:1. 上海大学特种光纤与光接入网省部共建教育部重点实验室,上海,200072;河北工程大学信息与电气工程学院,河北,邯郸,056038
2. 上海大学特种光纤与光接入网省部共建教育部重点实验室,上海,200072
基金项目:国家自然科学基金项目(60872021);;上海市重点学科和科委重点实验室项目(S30108,08DZ2231100)
摘    要:针对标准差分进化(DE)算法在高维复杂函数优化中易早熟收敛,进而导致搜索精度降低甚至优化失败的问题,提出一种基于混沌和高斯局部优化的混合差分进化算法(CGHDE).该算法在进化初期利用混沌的遍历性,可有效地避免算法陷入局部最优;而在进化后期,采用高斯搜索又可有效地提高收敛精度.实验表明,CGHDE算法对函数维度的敏感性大大低于标准DE算法,并且寻优能力强、稳定性好、搜索精度高,特别适合于工程中高维复杂函数的优化问题.

关 键 词:混沌优化  高斯优化  差分进化  遗传算法  
收稿时间:2009/6/2 0:00:00
修稿时间:2009/9/2 0:00:00

 Hybrid Differential Evolution Combined with Chaos and Gaussian Local Optimization
JIA Dong-li,ZHENG Guo-xin. Hybrid Differential Evolution Combined with Chaos and Gaussian Local Optimization[J].Control and Decision,2010,25(6):899-902.
Authors:JIA Dong-li  ZHENG Guo-xin
Affiliation:JIA Dong-li1,2,ZHENG Guo-xin11.Key Laboratory of Specialty Fiber Optics , Optical Access Networks,Shanghai University,Shanghai 200072,China,2.School of Information , Electronic Engineering,Hebei University of Engineering,H,an 056002
Abstract:Chaos and Gaussian local optimization based hybrid differential evolution(CGHDE) is proposed to solve the premature convergence and low precision of standard differnential evolution(DE) when applied to high-dimensional complex engineering problems.By means of the randomicity of chaotic local search,the CGHDE algorithm tends to explore in a wide search space to overcome the premature in the earlier evolution phase,and then performs exploitation to refine the optimum by using Gaussian optimization to improve ...
Keywords:Chaos optimization  Gaussian optimization  Differnential evolution  Genetic algorithms  
本文献已被 CNKI 万方数据 等数据库收录!
点击此处可从《控制与决策》浏览原始摘要信息
点击此处可从《控制与决策》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号