采用差分进化策略的入侵杂草改进算法及函数优化应用.pdfVIP

采用差分进化策略的入侵杂草改进算法及函数优化应用

李森;任晓娜

【摘要】针对入侵杂草优化算法易出现早熟且收敛速度较慢的问题,提出一种具有

差分进化策略的入侵杂草算法.利用差分进化策略较强的开发能力,对种子进行交叉

变异选择操作以帮助算法跳出局部最优;同时,为了提高算法的收敛速度和种群多样

性,提出对杂草进行初始化并采用基于混沌反向学习的初始化方法.对8个标准测试

函数进行的仿真实验表明:与标准杂草优化、差分进化及混合杂草优化算法相比,提

出的改进算法具有较快的收敛速度、较高的收敛精度及较强的有哪些信誉好的足球投注网站全局最优解的能

力.

【期刊名称】《计算机应用与软件》

【年(卷),期】2014(031)006

【总页数】4页(P285-288)

【关键词】入侵杂草优化;混沌;反向学习;差分进化策略;函数优化

【作者】李森;任晓娜

【作者单位】河南工业职业技术学院网络管理中心河南南阳473000;河南工业职

业技术学院网络管理中心河南南阳473000

【正文语种】中文

【中图分类】TP18

0引言

Mehrabian等［1］于2006提出的入侵杂草算法IWO(InvasiveWeed

Optimization)，是继差分进化算法［2］、人工蜂群算法［3］后的又一新优化算

法。因其具有鲁棒性强、易于实现和操作简便等优点，一经提出便受到众多学者的

关注和研究，并在DNA序列计算［4］、无线网络［5］、图像聚类［6］等领域。

然而，与其他智能算法类似，标准IWO算法也存在易于陷入局部最优、进化后期

收敛速度较慢以及收敛精度不高等问题。

针对上述问题，文献［7］在算法后期引入了交叉算子;文献［8］将IWO算法与

粒子群算法相结合提出了混合IWO算法;文献［9］将轮盘赌机制引入算法中，都

在一定程度上改善了算法的有哪些信誉好的足球投注网站精度，但仍然易于陷入局部最优且收敛速度不高。

为此，本文通过深入研究，借鉴差分进化算法中的变异、交叉和选择算子以，结合

反学习和混沌思想，提出了一种具有差分进化策略的入侵杂草优化

IWOSDE(InvasiveWeedOptimizationAlgorithmbasedonStrategyof

DifferentialEvolution)改进算法。通过对8个标准测试函数的仿真实验验证了改

进算法的性能。

1入侵杂草优化算法

标准IWO算法是模拟自然界中杂草在种群空间中扩散、生长、繁殖和生存竞争的

进化寻优过程，其中种群是所有杂草的集合，杂草表示问题的可行解，种子是杂草

的后代。在这一过程中，杂草主要根据适应度值的大小产生种子，适应度值大则所

产种子越多，所产生的种子以正态分布的步长分布在该杂草周围，随着进化代数的

增加，步长逐渐减小，最后通过评估杂草和种子的适应度值，选出较优的结果，可

以概括为以下3种操作:

1)繁殖操作。对于随机所产生的各个D维杂草xi(i=1，2，…，N)，根据其繁殖能

力(适应度值)产生种子，其中种子个数为:

其中，f(xi)是杂草xi的适应度值，fmin和fmax是当前种群中所对应的最小和最

大适应度值;smin和smax分别是一个杂草所能产生种子的最小和最大个数。

2)空间扩散操作。为增加种群的多样性及有哪些信誉好的足球投注网站精度，每个杂草周围产生服从N(0，

σ)的正态分布的种子，σ按式(2)计算:

其中itermax是最大进化代数，iter是当前进化代数，σinitial和σfinal是标准偏

差的最初值和最终值，n为非线性调和因子，一般情况下n=3。

3)竞争生存操作。在算法进行过程中，当种群规模大于最大种群规模P_Max后，

种群中杂草和种子按适应度值大小进行排序，选取较好的前P_Max，淘汰其余个

体。

2具有差分进化策略的IWO算法

通过对标准IWO算法基本操作的分析可知，该算法在繁殖进化的寻优过程中，首

先利用产生随机数的方法产生杂草，大大减小了种群的多样性及随机性;同时算法

在进化后期，由于扩散空间逐渐减小，容易陷入局部最优。针对上述问题，本文首

先提出了混沌反向学习的方法对IWO算法进行初始化，同时结合差分进化算法的

变异交叉选择操作对IWO算法的竞争生存操作进行改进，在提高种群的多样性的

同时，改善了算法的开发能力。

2.1混沌反向学习初始化

对于群集智能优化算法，种群的多样化程度直接影响着算法的全局收敛精度及收敛

速度，而种群的初始化方法对种群多样性具有较大影响［10］