基于最佳高斯随机游走与个体筛选策略的差分进化算法

简介：
本研究提出了一种结合最佳高斯随机游走和个体筛选策略的改进型差分进化算法，旨在优化搜索效率并提高解的质量。 为解决差分进化算法开发能力不足的问题，本段落提出了一种具有快速收敛特性的新型差分进化算法。首先，利用最优高斯随机游走策略来增强算法的探索性能；其次，采用基于个体优化表现的简化交叉变异策略来进行群体进化操作以强化局部搜索效率；最后通过引入个体筛选机制进一步提升算法的整体探索能力，从而避免陷入局部最优点的问题。实验结果显示，在12个标准测试函数和两种带约束的实际工程问题中，新提出的算法在收敛速度、稳定性及精度方面均优于EPSDE、SaDE、JADE、BSA、CoBiDE、GSA以及ABC等现有方法，并且能够在增强探索能力的同时有效提高开发效率。