為了克服差分進化算法早熟收斂和尋優(yōu)精度低的缺點,提出一種采用雙變異策略的自適應差分進化算法（Adaptive Differential Evolution Algorithm using Double mutation strategies,DADE）。DADE引入基于種群相似度和中心解的雙變異策略,有效平衡了算法的全局搜索和局部搜索;自適應交叉概率使種群個體向更新成功的個體學習,有利于后續(xù)種群的進化。在7個測試函數(shù)和3個電力系統(tǒng)動態(tài)經濟調度（Dynamic Economic Dispatch,DED）問題上的優(yōu)化結果表明,DADE算法與其他4種DE算法相比具有更強的全局尋優(yōu)能力,且對電力系統(tǒng)動態(tài)經濟調度問題的優(yōu)化結果優(yōu)于文獻中所報道的結果。 

【文章來源】：計算機工程與應用. 2020,56(04)北大核心CSCD

【文章頁數(shù)】：12 頁

【文章目錄】：
1 引言
2 標準差分進化算法
3 采用雙變異策略的自適應差分進化算法
    3.1 基于種群相似度和中心解的雙變異策略
        3.1.1 種群相似度和中心解
        3.1.2 基于中心解的變異策略
        3.1.3 雙變異策略
    3.2 自適應交叉概率
    3.3 算法實現(xiàn)流程圖
4 電力系統(tǒng)動態(tài)經濟調度
    4.1 費用函數(shù)
    4.2 約束處理
5 實驗結果與分析
    5.1 測試函數(shù)的優(yōu)化結果與分析
    5.2 DADE算法改進策略作用分析
    5.3 變異策略性能分析
    5.4 局部參數(shù)對算法性能的影響
    5.5 電力系統(tǒng)動態(tài)經濟調度問題的優(yōu)化結果與分析
6 結束語


【參考文獻】：
期刊論文
[1]基于自適應變異差分進化算法的溶解氧濃度控制系統(tǒng)[J]. 湯偉,白志雄,高祥.  中國造紙. 2017(06)
[2]基于極值優(yōu)化的混合差分進化算法[J]. 王叢佼,王錫淮,肖建梅.  計算機科學. 2013(05)
[3]隨機變異差分進化算法[J]. 歐陽海濱,高立群,孔祥勇.  東北大學學報(自然科學版). 2013(03)
[4]差分進化粒子群混合優(yōu)化算法的研究與應用[J]. 楊妍,陳如清,俞金壽.  計算機工程與應用. 2010(25)
[5]混合差分進化-和聲搜索算法在結構工程中的應用[J]. 鄒德旋,高立群,吳建華,吳沛鋒.  東北大學學報(自然科學版). 2010(06)



本文編號：3187016