针对差分进化算法开发能力较差的问题,提出一种具有快速收敛的新型差分进化算法.首先,利用最优高斯随机游走策略提高算法的开发能力;然后,采用基于个体优化性能的简化交叉变异策略实现种群的进化操作以加强其局部搜索能力;最后,通过个...针对差分进化算法开发能力较差的问题,提出一种具有快速收敛的新型差分进化算法.首先,利用最优高斯随机游走策略提高算法的开发能力;然后,采用基于个体优化性能的简化交叉变异策略实现种群的进化操作以加强其局部搜索能力;最后,通过个体筛选策略进一步提高算法的探索能力以避免陷入局部最优.12个标准测试函数和两种带约束的工程优化问题的实验结果表明,所提出的算法在收敛速度、算法可靠性及收敛精度方面均优于EPSDE、Sa DE、JADE、BSA、Co Bi DE、GSA和ABC等算法,在加强算法探索能力的同时能够有效地提高算法的开发能力.展开更多
In this paper, the non-quasi-Newton’s family is investigated. A class of inexact linesearch procedures are used, which are combined with the non-quasi-Newton’s family. We study the global convergence properties of t...In this paper, the non-quasi-Newton’s family is investigated. A class of inexact linesearch procedures are used, which are combined with the non-quasi-Newton’s family. We study the global convergence properties of the non-quasi-Newton’s family, when applied to a convex objective function. We show global and superlinear convergence for this class methods on uniformly convex objective function.展开更多
文摘针对差分进化算法开发能力较差的问题,提出一种具有快速收敛的新型差分进化算法.首先,利用最优高斯随机游走策略提高算法的开发能力;然后,采用基于个体优化性能的简化交叉变异策略实现种群的进化操作以加强其局部搜索能力;最后,通过个体筛选策略进一步提高算法的探索能力以避免陷入局部最优.12个标准测试函数和两种带约束的工程优化问题的实验结果表明,所提出的算法在收敛速度、算法可靠性及收敛精度方面均优于EPSDE、Sa DE、JADE、BSA、Co Bi DE、GSA和ABC等算法,在加强算法探索能力的同时能够有效地提高算法的开发能力.
文摘In this paper, the non-quasi-Newton’s family is investigated. A class of inexact linesearch procedures are used, which are combined with the non-quasi-Newton’s family. We study the global convergence properties of the non-quasi-Newton’s family, when applied to a convex objective function. We show global and superlinear convergence for this class methods on uniformly convex objective function.
