基于改进的单纯形和微分进化的混合优化算法

吉林大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (02): 430-0434.

基于改进的单纯形和微分进化的混合优化算法

田野^1,2,刘大有^1,2,齐红^1,2

1.吉林大学计算机科学与技术学院,长春 130012;2.吉林大学符号计算与知识工程教育部重点实验室,长春 130012

收稿日期:2009-12-03 发布日期:2011-03-01
通讯作者: 刘大有（1942-）,男,教授,博士生导师.研究方向:多Agent系统,移动Agent,知识工程与专家系统,数据挖掘以及空间推理.E-mail:dyliu@jlu.edu.cn E-mail:dyliu@jlu.edu.cn
作者简介:田野（1979-）,男,博士研究生.研究方向:计算智能,贝叶斯网,数据挖掘.E-mail:tianye924@yahoo.com.cn
基金资助:
国家自然科学基金项目(60603030, 60773099, 60873149, 60973088);“863”国家高技术研究发展计划项目(2006AA10Z245, 2006AA10A309);欧盟项目(155776-EM-1-2009-1-IT-ERAMUNDUS-ECW-L12).

Hybrid optimization algorithm based on improved simplex search and differential evolution

TIAN Ye^1,2,LIU Da-you^1,2,QI Hong^1,2

1.College of Computer Science and Technology, Jilin University, Changchun 130012, China;2.Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012, China

Received:2009-12-03 Published:2011-03-01

摘要/Abstract

摘要：

在对微分进化算法DE进行分析的基础上，结合单纯形算法(NM)，提出了一种基于DE和NM的混合算法DENM，该算法充分利用DE算法的全局搜索能力和NM算法的局部搜索能力，使得种群既保持了个体的多样性，同时也加快了收敛速度。通过与其他一些优化算法对比表明，DENM混合算法是求解优化问题的一种有效算法。

关键词: 人工智能, 全局优化, 混合优化算法, 微分进化算法, 单纯形算法

Abstract:

Differential Evolution (DE) algorithm is a rapid, robust and effective global optimization algorithm, which has been successfully applied in various fields. Based on the DE and NelderMead (NM) simplex search method, a hybrid DENM algorithm is proposed. This algorithm maintains the diversity of the populations, meanwhile accelerates the convergence by taking advantage of the ability of DE global search and NM local search. Comparison results with several existing optimization algorithms show that the new hybrid algorithm is more efficient.

Key words: artificial intelligence, global optimization, hybrid optimized algorithm, differential evolution, NelderMead simplex search method

中图分类号:

TP18

田野, 刘大有, 齐红. 基于改进的单纯形和微分进化的混合优化算法[J]. 吉林大学学报(工学版), 2011, 41(02): 430-0434.

TIAN Ye, LIU Da-You, QI Hong. Hybrid optimization algorithm based on improved simplex search and differential evolution[J]. 吉林大学学报(工学版), 2011, 41(02): 430-0434.

参考文献

相关文章 15

[1]	董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577.
[2]	顾海军, 田雅倩, 崔莹. 基于行为语言的智能交互代理[J]. 吉林大学学报(工学版), 2018, 48(5): 1578-1585.
[3]	王旭, 欧阳继红, 陈桂芬. 基于垂直维序列动态时间规整方法的图相似度度量[J]. 吉林大学学报(工学版), 2018, 48(4): 1199-1205.
[4]	张浩, 占萌苹, 郭刘香, 李誌, 刘元宁, 张春鹤, 常浩武, 王志强. 基于高通量数据的人体外源性植物miRNA跨界调控建模[J]. 吉林大学学报(工学版), 2018, 48(4): 1206-1213.
[5]	黄岚, 纪林影, 姚刚, 翟睿峰, 白天. 面向误诊提示的疾病-症状语义网构建[J]. 吉林大学学报(工学版), 2018, 48(3): 859-865.
[6]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[7]	刘杰, 张平, 高万夫. 基于条件相关的特征选择方法[J]. 吉林大学学报(工学版), 2018, 48(3): 874-881.
[8]	王旭, 欧阳继红, 陈桂芬. 基于多重序列所有公共子序列的启发式算法度量多图的相似度[J]. 吉林大学学报(工学版), 2018, 48(2): 526-532.
[9]	杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538.
[10]	刘雪娟, 袁家斌, 许娟, 段博佳. 量子k-means算法[J]. 吉林大学学报(工学版), 2018, 48(2): 539-544.
[11]	曲慧雁, 赵伟, 秦爱红. 基于优化算子的快速碰撞检测算法[J]. 吉林大学学报(工学版), 2017, 47(5): 1598-1603.
[12]	李嘉菲, 孙小玉. 基于谱分解的不确定数据聚类方法[J]. 吉林大学学报(工学版), 2017, 47(5): 1604-1611.
[13]	邵克勇, 陈丰, 王婷婷, 王季驰, 周立朋. 无平衡点分数阶混沌系统全状态自适应控制[J]. 吉林大学学报(工学版), 2017, 47(4): 1225-1230.
[14]	王生生, 王创峰, 谷方明. OPRA方向关系网络的时空推理[J]. 吉林大学学报(工学版), 2017, 47(4): 1238-1243.
[15]	马淼, 李贻斌. 基于多级图像序列和卷积神经网络的人体行为识别[J]. 吉林大学学报(工学版), 2017, 47(4): 1244-1252.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed