控制理论与应用

作者：杨紫晴,姚加林,伍国华,陈学伟,毛成辉

单位：中南大学,中南大学,中南大学,中南大学,中南大学

关键词：智能优化算法; 差分进化; 协方差矩阵自适应进化策略; 算法集成; 连续优化

基金：国家自然科学基金项目(62073341), 中南大学研究生自主探索创新项目(1053320190633)资助.

不同智能优化算法在求解优化问题时通常表现出显著的性能差异. 差分进化(DE)算法具备较好的全局搜索能力, 但存在收敛慢、效率低的不足, 协方差矩阵自适应进化策略(CMA–ES)局部搜索能力强, 具备旋转不变性,但容易陷入局部最优, 因此, DE和CMA–ES之间具有潜在的协同互补能力. 针对上述问题, 提出了一种集成协方差矩阵自适应进化策略与差分进化的优化算法(CMADE). 在CMADE框架中, DE算法负责全局搜索, CMA–ES算法进行局部搜索. 通过周期性解交换机制实现CMA–ES和DE两个算法间协同交互和反馈控制. 在解交换时, 从DE种群中选择优秀个体, 利用CMA–ES算法在优秀个体周围进行局部搜索. 同时在DE和CMA–ES的混合种群中, 综合考虑解的多样性和最优性, 选取一定比例的解作为DE算法的新种群进行全局搜索, 实现全局搜索与局部搜索的动态平衡. 将CMADE算法与CMA–ES, DE, SaDE, jDE, EPSDE, ACODE和SHADE算法在CEC2014标准测试集上进行比较实验. 结果表明, CMADE整体性能显著优于其它比较算法.

来源：2021年第10期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2021年第10期