兰州大学学报(自然科学版)

2019, v.55;No.244(04) 549-556+560

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于对立学习的改进CoDE算法
A modified CoDE algorithm with opposition learning

李匡印;高兴宝;

摘要(Abstract):

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.

关键词(KeyWords): 差分进化算法;对立学习;精英解;数值模拟

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(61273311);; 陕西省科技计划项目(2017JQ6063)

作者(Author): 李匡印;高兴宝;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享