[发明专利]控制参数自适应和策略自适应的差分进化算法

摘要

本发明公开了一种控制参数自适应和策略自适应的差分进化算法，本发明通过13个100维标准测试函数的仿真测试和在实际优化问题的应用均表明，该算法具有较强的全局搜优性能和较快的收敛速率，并能较好的避免很多传统的智能优化算法存在的“早熟“现象。不仅实现了控制参数的自适应，而且对变异策略的选择也实现自适应。测试仿真结果表明，DE‑CPASA算法具有更高的求解精度和较快的收敛速度。最后，将DE‑CPASA算法应用于Hg氧化动力学参数估计，得到了较好的优化结果。

主权项

一种控制参数自适应和策略自适应的差分进化算法，其特征在于：对于优化问题minxf(x1,x2,...,xD)xj∈(xjL,xjU)j=1,2,...,D---(1)]]>其中，f(x)为优化的目标函数，x为D维优化矢量，和分别为第j个变量xj的下限和上限；具体包括以下步骤：(1)初始化：在各自的可行域内，生成原始种群与控制参数种群设置最大的迭代次数Gm和种群的规模NP,同时，使Nchoice＝0，Fstrategy1＝0，Fstrategy2＝0；(2)原始种群S1的进化：每一个原始个体采用各自的作为控制参数，实现差分进化操作，生成新个体i＝1,2...,NP；选择NP/2+Nchoice个个体进行式(2)的个体变异操作x^istrategy1G+1=xr1G+Fistrategy1G·(xr2G-xr3G)---(2)]]>其中，istrategy1＝1,2，...，NP/2+Nchoice选择剩下的NP/2‑Nchoice个个体按照rand＞0.4的原则来分别进行式(3)和(4)的个体变异操作，如果是则利用式(3)进行变异操作，如果否，则利用式(4)进行变异操作；x^istrategy2G+1=xr1G+Fistrategy2G·(xr2G-xr3G)+Fistrategy2G·(xr4G-xr5G)---(3)]]>x^istrategy2G+1=xiG+Fistrategy2G·(xbestG-xiG)+Fistrategy2G·(xr1G-xr2G)---(4)]]>其中，istrategy2＝NP/2+Nchoice+1，NP/2+Nchoice+1,...，NP,且istrategy1+istrategy2＝NP；个体的边界处理：若或那么从可行域内随机选取；个体交叉操作：其中是新个体的第j个基因；策略的自适应的操作：求得的平均值，同时使求得的平均值，同时使如果Fstrategy1≤Fstrategy2，那么Nchoice＝Nchoice+1，否则Nchoice＝Nchoice‑1；同时，对Nchoice的边界进行处理，如果Nchoice＞NP/2,那么Nchoice＝NP/2‑1，如果Nchoice＜‑NP/2，那么Nchoice＝‑NP/2+1；个体的选择:(3)控制参数种群的进化：FiG+1＝N(0.5,σ)，                                               (7)CRiG+1=N(0.9,σ);---(8)]]>其中，σ＝1.2‑G/Gm；控制参数边界的设定：如果FiG+1＞1或FiG+1＜0,那么FiG+1＝1或FiG+1＝0.如果或那么(4)重复第2～第3步，直到进化代数超过最大进化代数Gm。