节点文献

基于对立学习的改进CoDE算法

免费订阅

【作者】 李匡印高兴宝

【Author】 Li Kuang-yin;Gao Xing-bao;School of Mathematics and Information Science, Shaanxi Normal University;

【通讯作者】 高兴宝;

【机构】 陕西师范大学数学与信息科学学院

【摘要】 针对复合差分进化(CoDE)算法中所采用策略的局部搜索能力较弱及种群初始个体性能较差的缺点,提出了一种改进的CoDE算法.采用对立学习方式对种群进行初始化,改善初始解的性能;为加强算法的局部开发能力,提出了一个具有精英解的新变异策略以改进CoDE变异策略池.对30个CEC2014测试函数进行数值模拟并与9种算法进行了比较,结果表明该算法提高了计算的收敛速度和精度.

【基金】 国家自然科学基金项目(61273311);陕西省科技计划项目(2017JQ6063)
【所属期刊栏目】 其他 (2019年04期)
  • 【DOI】10.13885/j.issn.0455-2059.2019.04.019
  • 【分类号】TP181
  • 【下载频次】15
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: