SDADE: A state-aware disturbance adaptive differential evolution algorithm

doi:10.1016/j.knosys.2026.117086

SDADE: A state-aware disturbance adaptive differential evolution algorithm

2026-09-16

0

PRE

AI

DOI：10.1016/j.knosys.2026.117086

原文链接

原文求助

摘要

En 中文

差分进化（DE）变体在种群多样性崩溃时常出现早熟收敛问题。为解决此问题，本文提出了一种状态感知扰动自适应差分进化（SDADE）算法，该算法可区分两种早熟收敛状态：局部最优陷阱和维度停滞。SDADE整合了三个协同组件：一种DE/rand-to-pbest/1变异精炼策略、基于MDV的多样性崩溃指示器以及状态依赖的扰动算子。与包括JADE、SHADE、l-SHADE、jSO、NL-SHADE-RSP和CMA-ES在内的六个强力基线算法的对比实验表明，SDADE实现了最佳的综合排名。在交通信号配时案例中，SDADE在相同交通需求和四相位结构下表现优于Webster、经验预设和等分方法。特别地，SDADE将平均延误降低至62.87 s/veh，相较于Webster、经验预设和等分方法分别降低了3.8%、22.6%和74.8%。

Keyword:

Differential evolution

Global optimization

Mutation strategy

State-aware mechanism

SDADE: A state-aware disturbance adaptive differential evolution algorithm

摘要

期刊

机构

引用论文