控制与决策

作者：闫李,马佳慧,柴旭朝,岳彩通,于坤杰,梁静,瞿博阳

单位：中原工学院 电子信息学院,郑州 453000,,中原工学院 电子信息学院,郑州 453000,,中原工学院 电子信息学院,郑州 453000,,郑州大学 电气工程学院,郑州 453000,,郑州大学 电气工程学院,郑州 453000,,郑州大学 电气工程学院,郑州 453000,,中原工学院 电子信息学院,郑州 453000,

关键词：多模态优化;动态优化;差分算法;知识引导

基金：国家自然科学基金项目(62103456,61976237,61922072,61876169)；河南省高校科技创新团队支持计划项目(22IRTSTHN015)；河南省自然科学基金项目(202300410511,212300410321)；中原英才计划项目(ZYQR201810162)；河南省高等学校青年骨干教师培养计划项目(2021GGJS111).

为充分利用问题求解过程知识,提升动态多模态优化算法的计算资源利用效率,提出一种基于知识引导的自适应动态多模态差分进化算法.首先,利用自组织映射神经网络实现种群自聚类,形成稳定的小生境;然后,通过对种群全局知识和个体邻域知识的综合学习,设计一种基于知识引导的自适应差分进化算法,在对种群进化状态进行实时监测和分析的基础上,逐层递进地引导不同种群个体自适应地选择最符合当前进化需求的变异方式,提升种群搜索效率,平衡种群多样性与收敛性;最后,针对问题动态特性,设计一种基于历史动态过程知识引导的自适应动态响应机制,通过对历史寻优经验的自适应学习,预测生成新环境下的潜在精英个体,引导种群实现精准快速的多峰定位.实验结果表明,所提出算法能够有效解决动态多模态优化问题,且在不同动态环境设置下其求解性能均优于对比算法.

来源：2023年第11期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第11期