0 引言
差分進(jìn)化算法(DE)是利用群體演化的高效算法,也是利用浮點(diǎn)數(shù)編碼的典型啟發(fā)式搜索算法,由Stom和Price提出的。由于其原理簡(jiǎn)單、控制參數(shù)少、魯棒性強(qiáng)等特點(diǎn),在實(shí)踐中得到廣泛的應(yīng)用。然而,在針對(duì)復(fù)雜高維問題時(shí),DE存在收斂速度過慢、求解精度不高,并且極易陷入局部最優(yōu)等問題。為了提高DE的搜索性能,國(guó)內(nèi)外的學(xué)者先后提出了許多動(dòng)態(tài)自適應(yīng)控制參數(shù)的改進(jìn)算法,并在不同領(lǐng)域得到廣泛的應(yīng)用。