基于网格化拉马克学习机制的差分进化算法
CSTR:
作者:
作者单位:

上海海事大学a. 物流工程学院,b. 商船学院,上海201306.

作者简介:

王丛佼

通讯作者:

中图分类号:

TP18

基金项目:

国家自然科学基金项目(51279099);上海市教委科研创新重点项目(12ZZ158).


Differential evolution algorithm based on gridded Lamarckian learning
Author:
Affiliation:

a. Logistics Engineering College,b. Merchant Marine College,Shanghai Maritime University,Shanghai 201306, China.

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    引入拉马克进化理念, 提出一种基于网格化拉马克学习机制的差分进化算法. 该算法在网格划分机制建立起的分布式搜索框架下, 采用单元格最优解保护机制、学习步长机制、解空间同仁机制和定矢变异机制组成拉马克学习模式. 仿真结果表明, 所提算法可以充分发挥拉马克学习的局部搜索能力, 又可有效避免早熟收敛, 其求解精度明显优于其他比较算法. 将所提算法应用于电力系统最优潮流计算问题, 获得了良好的优化效果.

    Abstract:

    By introducing Lamarckian evolutionism, an improved differential evolution algorithm based on the gridded Lamarckian learning mechanism(DE-GLam) is proposed. Under a distributed search framework set by mesh generation mechanism, this algorithm integrates the cell optimum protection mechanism, learning step mechanism, solution space mechanism and directive variation mechanism to form the Lamarck learning mode. The simulation results show that the DE-GLam algorithm not only fully exerts the local search ability of Lamarckian learning mechanism, but also effectively avoids premature convergence, and the solving precision is superior to other comparison algorithms. The validity of the proposed method is illustrated by the optimal power flow calculation.

    参考文献
    相似文献
    引证文献
引用本文

王丛佼 王锡淮 肖健梅 吴华锋.基于网格化拉马克学习机制的差分进化算法[J].控制与决策,2015,30(6):1085-1091

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2014-03-10
  • 最后修改日期:2014-09-17
  • 录用日期:
  • 在线发布日期: 2015-06-20
  • 出版日期:
文章二维码