基于退火加速的差分進化算法改進及應用

陳怡君， 劉軍民

（1.西安航空學院，西安 710077； 2.西安交通大學數學與統計學院，西安 710049）

在理論研究和實際應用過程中經常會遇到大量的復雜優化問題，對于那些不可微、非線性函數的優化尤為困難［1-2］. 傳統的優化方法大多需要計算目標函數的導數值以及其他一些輔助信息來確定搜索方向，且對函數的凸性、線性等有諸多限制，求解過程易于陷入局部最優，而工程實際中目標函數不可微或不能用函數表示的現象經常存在，因此傳統優化技術雖然具有較強的局部搜索能力，但對于復雜函數的優化卻不能得到滿意的結果［3-4］.

20世紀80年代以來發展的智能優化算法，如遺傳算法、模擬退火算法和粒子群優化算法等，都有很好的性能，這些智能優化算法具有隱并行性、無須導數信息和全局優化等，具有很好的求解復雜優化問題的潛力［5-7］.在眾多的智能優化算法中，差分進化算法表現突出，顯示了極大的優勢，它被證明是1996年IEEE進化算法競賽中速度最快的進化算法［8］，但是和其他智能優化算法一樣，DE算法也存在局部搜索能力不強的缺點［9-11］. 針對這一問題，已有一些改進策略，如與蟻群搜索算法的混合［12］和遺傳算法混合［13-15］，還有與序列二次規劃算法相結合等［16-17］. 雖然這些算法對提高DE算法的性能有很大改進，但是這些改進策略有的利用了目標函數的導數信息，有的只是針對一類特殊問題而做的改進，因此改變了DE算法原有的通用性及無須導數信息等良……