[发明专利]基于小波基函数和最优变异策略的差分进化算法及应用

摘要

本发明涉及差分进化算法技术领域，尤其涉及基于小波基函数和最优变异策略的差分进化算法及应用，在基于小波基函数和最优变异策略的差分进化算法中，采用小波基函数来控制参数F以及正态分布来控制CR，以保证解的多样性、加速算法收敛和提高算法性能；在选择变异策略时，基于五种变异策略优势互补，提出一种最优变异策略方法，用作差分进化算法的变异策略，用于提高算法局部搜索能力，保证算法的全局搜索特性，同时，该方法能够高效的完成测试函数和机场停机位分配问题的有效求解，实验结果还证明所提出的方法与比较方法相比具有竞争力。

主权项

1.基于小波基函数和最优变异策略的差分进化算法，其特征在于，包括以下步骤：/n步骤一：在(x_max,x_min)中随机产生初始种群X_i＝(x₁,x₂…x_i)，并初始化参数，种群大小NP＝100，维数D＝30，最大迭代次数G_max＝2000；初始迭代次数G＝1；/n步骤二：如果是第一代，执行步骤三，反之，跳过步骤三，执行步骤四；/n步骤三：用五个变异操作分别产生五个突变向量，计算五个突变向量的适应度值，并对适应度值进行比较，选取适应度值比较小的突变向量作为步骤三的突变向量，并且保存最小适应度值突变向量的进化策略，作为最优进化策略；/n步骤四：用第一代选取的最优策略进行变异操作；/n步骤五：进行交叉操作，在(0，1)中产生随机数与交叉率CR比较，若小于CR，选取步骤二产生的突变向量作为试验向量，否则，选取当代的目标向量作为试验向量；/n步骤六：进行选择操作，计算目标向量和试验向量的适应度值，进行比较，选取适应度值小的进入下一代种群中；/n步骤七：若达到最大迭代次数G_max＝2000，输出最优值，否则跳到步骤2。/n