%0 Journal Article
%T 基于反向学习的自适应差分进化算法
%A 翁晴晴
%J 计算机应用
%D 2018
%R 10.11772/j.issn.1001-9081.2017071888
%X 摘要 为解决差分进化（DE）算法过早收敛与搜索能力低的问题，讨论对控制参数的动态调整，提出一种基于反向学习的自适应差分进化算法。该算法通过反向精英学习机制来增强种群的局部搜索能力，获取精确度更高的最优个体；同时，采用高斯分布随机性提高单个个体的开发能力，通过扩充种群的多样性，避免算法过早收敛，整体上平衡全局搜索与局部寻优的能力。采用CEC 2014中的6个测试函数进行仿真实验，并与其他差分进化算法进行对比，实验结果表明所提算法在收敛速度、收敛精度及可靠性上表现更优
%K 差分进化
%K 自适应
%K 高斯分布
%K 反向学习
%U http://www.joca.cn/CN/abstract/abstract21531.shtml