基于群智能的新型反向混合差分进化算法

依据PSO 和D E在函数优化方面所展现的优越性能,提出一种融合粒子群智能思想的新型反向混合差分进化算法(ODE-SI) . 本文分析这两种启发式方法之间的潜在联系,并在OD E2S I中不仅保留了粒子群智能思想中的经验记忆,而且应用了反向学习( opposition-based learning, OBL )操作促使演化生成过程的跃变,从而使算法具有较高的收敛速度和较好的种群多样性. 此外,通过测试函数的仿真实验,本文将ODE-SI与其他DE和PSO算法进行比较. 实验结果证实了新算法的高效性、通用性和稳健性.