论文研究新型差分进化模型的多等级子群杂草优化算法.pdf

针对标准杂草优化算法易出现的早熟、后期收敛速度慢、易陷于局部最优等问题，提出基于新型差分进化模型的多等级子群杂草优化算法（DEMIWO）。首先，引入一种改进型的混合混沌系统对种群进行初始化，提高初始种群的多样性；其次，提出一种按等级分类的组群策略，将种群按适应度分为优、良、中、差四个等级；最后，在繁殖进化阶段，提出新型差分进化模型，对模型中的交叉变异概率进行指数式的非线性动态调整，提高算法的全局寻优能力以及收敛精度。在8个标准测试函数上进行的仿真实验表明，与标准IWO算法及其他常用算法相比，所提算法具有更快的收敛速度和更高的寻优精度，同时能有效避免陷入局部最优。