第3卷第6期 智能系统学报 Vol.3 No.6 2008年12月 CAAI Transactions on Intelligent Systems Dec.2008 混合差分变异策略 刘三阳2，张晓伟 (1.西安电子科技大学数学科学系，陕西西安710071；2.西安电子科技大学综合业务网国家重点实验室，陕西 西安710071) 摘要：为了改善差分进化算法的求解性能，提出一种新的混合差分变异策略.该策略将种群中的每一个个体视作 带电粒子，利用粒子所带的电荷量以及粒子之间的吸引排斥机制确定个体移动方向和位移大小.该策略会使个体在 其他3个个体施加于它的力的方向上自适应地移动，数值实验表明基于该策略的差分进化算法求解精度高、评估次 数少. 关键词：全局优化；粒子群优化；差分进化 中图分类号：TP18:0224文献标识码：A文章编号：1673-4785(2008)06048705 A hybrid strategy for differential variation LIU San-yang'2,ZHANG Xiao-wei' (1.Department of Mathematical Sciences,Xidian University,Xian 710071,China;2.State Key Lab.of ISN,Xidian University,Xian 710071,China) Abstract:A new hybrid strategy for differential variation was developed in order to improve the performance of dif- ferential evolution.The strategy regards each individual in the population as a charged particle,and uses the charge level of the particle and the attraction-repulsion mechanism among particles to determine the probable direction and magnitude of motion.This strategy can compel individuals to move adaptively in the direction of the forces ex- erted on them by three other individuals.Numerical experiments showed that differential evolution based on this strategy has high accuracy and requires fewer evaluations. Keywords:global optimization;particle swarm optimization;differential evolution 差分进化(differential evolution,DE)算法于而后人的修改大多数是基于DE/Rand/I框架上的 1995由Stom和Price提出)，该方法简单、高效、鲁 参数的调整，没有摆脱DE算法原始思想的局限.修 棒，已在工程优化、运筹管理、计算机科学等领域得 改后的DE性能往往在某些方面表现优越，而在其 到广泛的应用.为了改善差分进化算法的性能，人们 他一些方面则不然，为了提出更鲁棒、高效的DE,本 提出了各种修改策略.如，Sron2]最早提出的 文提出一种新的差分变异策略.该策略融合了粒子 DE/Rand/1,DE/Rand/2,DE/Best/2等策略；2005 群优化、差分进化以及类电磁机制算法的思想.基于 年Qin]等将比例因子K取作均值为0.5，标准方差 该策略的差分进化算法使种群中每一个个体会在一 为0.3的正态分布随机数；2007年Kim4则将比例 个随机选取个体、当前个体经历最优和种群全局最 因子修改为K=a+b·r(0,1),这里r(0,1)表示 优3个个体分别施加于其的电磁力合力的方向上自 [0,1]之间均匀分布的随机数，a,b是正数且 适应地移动，从而避免了差分进化算法中比例因子 a+b<1.在Sron提出的策略中，DE/Rand/1因 参数设置的困难.最后的数值实验表明提出的策略 其简单、有效而常被当作标准差分进化算法来使用. 优于已有相关策略， 收稿日期：2008-07-04. 基金项目：国家自然科学基金资助项目(60574075,60674108)；综合 1相关知识 业务网国家重点实验室基金资助项目(ISV200806). 通信作者：刘三阳.E-mail:liusanyang@126.com. 粒子群优化(particle swarm optimization,PSO)