返回
Differential evolution enhanced with optimal individual guidance for solving global numerical optimization problems
DOI:10.1007/s10586-026-05974-5.png)
摘要
En 中文
差分进化(DE)是一种基于种群的元启发式算法,因其简单性、高效性和强大的全局优化能力而得到广泛认可。然而,DE常面临早熟收敛和陷入局部最优的挑战。为解决这些局限性,本文提出了一种增强型DE变体,融入了最优个体引导策略。该策略通过在整个进化过程中持续引导表现最优的个体,提升种群的适应性和多样性。主要创新在于后期迭代中为最优个体引入额外的变异和引导机制,显著降低了算法过早收敛于次优解的可能性。与复杂度驱动的DE变体不同,所提出的DE变体以最小的计算开销和零额外参数实现了有竞争力的结果。我们使用IEEE进化计算大会(CEC)的基准函数,包括CEC2017、CEC2019和CEC2022问题,对所提方法进行了严格评估。实验结果表明,该方法在多个基准测试中表现出优越性能,有效缓解了早熟收敛和局部最优问题。与当前最先进的DE变体相比,所提方法在收敛速度和全局优化能力方面均展现出显著提升。
Keyword:
Differential evolution
Premature convergence
Local optima
Individual guidance
Numerical optimization
期刊
C
IF:
0
论文数:
691
被引数:
1
机构
暂无机构信息
引用论文
Enhancing differential evolution algorithm with a fitness-distance-based selection strategy基于适应度-距离选择策略的差分进化算法增强
Modified LSHADE-SPACMA with new mutation strategy and external archive mechanism for numerical optimization and point cloud registration改进的LSHADE-SPACMA算法,结合新的变异策略和外部档案机制,用于数值优化和点云配准
Cooperative target allocation for heterogeneous agent models using a matrix-encoding genetic algorithm基于矩阵编码遗传算法的异构代理模型协同目标分配
Fractional order calculus enhanced dung beetle optimizer for function global optimization and multilevel threshold medical image segmentation分数阶微积分增强的屎壳郎优化器在函数全局优化和多阈值医学图像分割中的应用
Differential Evolution Algorithm With Strategy Adaptation for Global Numerical Optimization求解全局数值优化问题的策略自适应差分进化算法
A Meta-Knowledge Transfer-Based Differential Evolution for Multitask Optimization基于元知识转移的差分进化多任务优化算法

