Hybridizing Dragonfly Algorithm with Differential Evolution for Global Optimization
Hybridizing Dragonfly Algorithm with Differential Evolution for Global Optimization
复制标题
混合蜻蜓算法与差分进化进行全局优化
DOI：
10.1587/transinf.2018edp7401
复制
发表时间：
2019-10
影响因子：
0.7
通讯作者：
Liang HaiJun
中科院分区：
文献类型：
--
作者：
Duan MeiJun;Yang HongYu;Yang Bo;Wu XiPing;Liang HaiJun
差分进化算法以其简单、高效的特点，在求解全局优化问题中得到了各领域研究者的广泛关注。然而，它容易在局部极小值处过早收敛。为了克服这一缺点，提出了一种新的求解全局优化问题的混合差分进化算法（Hybrid DA-DE）。首先，在遗传算法的基础上，提出了一种新的变异算子。其次，在不需要额外参数的情况下，以自适应和个体相关的方式调整缩放因子（F）。该算法结合了DE的开发能力和DA的探索能力，以获得最优的全局解。该算法的有效性进行了评估，使用30个经典的基准函数与16个国家的最先进的元启发式算法。一系列的实验结果表明，混合DA-DE算法明显优于其他算法。同时，混合DA-DE对高维问题的适应性最好。关键词：全局优化，差分进化，遗传算法，混合DA-DE，自适应与个体相关
Due to its simplicity and efficiency, differential evolution (DE) has gained the interest of researchers from various fields for solving global optimization problems. However, it is prone to premature convergence at local minima. To overcome this drawback, a novel hybrid dragonfly algorithm with differential evolution (Hybrid DA-DE) for solving global optimization problems is proposed. Firstly, a novel mutation operator is introduced based on the dragonfly algorithm (DA). Secondly, the scaling factor (F) is adjusted in a self-adaptive and individual-dependent way without extra parameters. The proposed algorithm combines the exploitation capability of DE and exploration capability of DA to achieve optimal global solutions. The effectiveness of this algorithm is evaluated using 30 classical benchmark functions with sixteen state-of-the-art meta-heuristic algorithms. A series of experimental results show that Hybrid DA-DE outperforms other algorithms significantly. Meanwhile, Hybrid DA-DE has the best adaptability to high-dimensional problems. key words: global optimization, differential evolution, dragonfly algorithm, hybrid DA-DE, self-adaptive and individual-dependent
登录
查看更多内容
DOI：
10.1016/j.amc.2014.05.018
发表时间：
2014-08
期刊：
Appl. Math. Comput.
影响因子：
--
作者：
S. Elsayed;R. Sarker;D. Essam
通讯作者：
S. Elsayed;R. Sarker;D. Essam
随机时滞随机遗传调控网络参数识别的自适应差分进化算法
影响因子：
2.9
作者：
Zhao, Shuguang;Zhu, Wu;Liu, Yuying;Zhang, Wenbing
通讯作者：
Zhang, Wenbing
DOI：
10.1109/cec.2013.6557555
发表时间：
2013-06
期刊：
2013 IEEE Congress on Evolutionary Computation
影响因子：
--
作者：
Ryoji Tanabe;A. Fukunaga
通讯作者：
Ryoji Tanabe;A. Fukunaga
影响因子：
5.3
作者：
Shihao Wang;Yuzhen Li;Hongyu Yang
通讯作者：
Shihao Wang;Yuzhen Li;Hongyu Yang
DOI：
10.1016/j.asoc.2012.07.034
发表时间：
2013
期刊：
Appl. Soft Comput.
影响因子：
--
作者：
Antonin Ponsich;C. Coello
通讯作者：
Antonin Ponsich;C. Coello