融入柯西扰动的改进差分进化算法及其应用

摘要 为了避免差分进化算法提早收敛,提出一种融入柯西扰动的改进差分进化算法(CDMDE).使用双策略变异并在变异操作中加入柯西扰动和小概率扰动机制,提高算法的收敛精度;联合当前种群的中心解和最优解改进交叉策略,为算法提供良好的进化方向;自适应参数控制保留了优秀参数,有利于后续种群的进化;最优个体信息复制机制旨在挖掘种群中的优秀信息.通过优化19个测试函数,结果表明CDMDE算法与其他4种算法相比具有更高的收敛精度、更强的稳定性.并将该算法应用于2个电力系统经济调度问题,优化结果优于文献中所报道的结果.