分工搜索演化算法及其應用的研究.pdf

1、常規(guī)演化算法中，通常用一個種群實現(xiàn)優(yōu)化，會出現(xiàn)全局搜索(慢收斂)或早熟收斂，參數(shù)設置復雜，影響了其應用性能。而利用多群體間的分工搜索可以更有效地解決實際應用中全局搜索和快速收斂之間的矛盾，該思想已為團隊進步算法(TPA)所證實。本文以差分演化(DE)算法為基礎，將TPA中的分工搜索機制引入其中，提出了兩種雙群體差分演化算法，即雙群體差分進化算法(DPDE)和雙群體混合差分進化算法(DPHDE)。前者將DE 算法結合雙群體分工搜索原理實現(xiàn)

2、了全局搜索和快速收斂的性能，后者則進一步結合了粒子群(PSO)算法中粒子的記憶特性，實現(xiàn)了快速尋優(yōu)并全局收斂的性能。經數(shù)值試驗表明，DPDE 算法和DPHDE 算法都具有全局尋優(yōu)能力強，收斂速度快，計算量少等優(yōu)勢性能，兩者相比又表明了DPDE 算法穩(wěn)定性高，參數(shù)設置簡單，而DPHDE 則在收斂速度和計算量方面更具優(yōu)勢。將所提算法應用于等距直線陣方向性圖綜合中計算唯幅優(yōu)化算例，從算例1中獲得了將副瓣電平降低到同樣的值兩個新算法較DE 算法