论文研究 邻域结构为复杂网络的差分演化算法.pdf

为了提升差分演化算法对局部最优的逃逸能力和避免早熟收敛,设计了一种邻域结构为复杂网络的差分演化算法(CNS-DE)。该算法将复杂网络上每一个节点定义为一个计算个体,节点间的连接关系决定了个体间的交互结构。CNS-DE的差分策略主要基于节点(个体)的邻居关系定义,该策略有利于保持群体的多样性,充分利用了群体分布特性。在函数寻优的经典数据集上,将CNS-DE与传统差分算法进行了对比。结果表明,该算法能有效避免陷入局部最优,有效改善了早熟现象,对解的质量有较大幅度提高。