基于双变异策略的自适应骨架差分进化算法

骨架差分进化算法能够较好规避差分进化算法控制参数和变异策略选择问题。针对基于双变异策略的经典骨架差分算法(MGBDE)没有根据个体进化差异选择适合的变异策略和考虑早熟收敛的问题,提出一种改进算法。该算法引入变异策略选择因子,并借鉴自适应差分进化算法的设计思想,将选择因子随个体共同参与进化,使个体执行当前最为适合的变异策略,克服原始算法进化过程的盲目性,同时选择因子的动态自适应特性保持了骨架算法近似无参数的优点;该算法加入停滞扰动策略,降低陷入局部最优的风险。采用18个标准测试函数进行实验,结果表明,新算法在收敛精度、收敛速度和顽健性上整体优于多种同类骨架算法以及知名的差分进化算法。