论文部分内容阅读
针对传统差分进化算法在处理复杂优化问题时存在易陷入局部最优解和求解精度低的缺陷,提出了混合波动差分进化算法。该算法预先设置两组配置参数,并依据混合系数的区分,依次选择每组中的交叉因子和相关参数构成波动算子生成变异率用于新算法中;同时为了加快收敛速度,采用选中随机向量中适应度值最优的向量作为基向量,避免算法寻优的盲目性。对一系列经典Benchmark函数的测试,并将实验结果与其他算法进行比较,证明了本算法的收敛速度与优化质量均显著改善。