一种阶段性策略自适应差分进化算法
【摘要】 针对差分进化算法的变异策略选择问题，提出一种阶段性策略自适应差分进化算法（SSADE）。首先，根据各个体与当前最优个体之间的平均距离衡量种群的拥挤度，进而估计种群的进化阶段;然后，将整个种群划分为多个子种群，并针对不同阶段的特性，设计子种群协同进化变异策略池;最后，根据各变异策略的历史成功信息，从对应的策略池中动态自适应地选择合适的变异策略，从而达到平衡全局探测和局部搜索的目的。在12个经典测试函数上的实验结果表明，所提SSADE算法在计算代价、可靠性、解的质量和扩展性方面优于现有主流算法。
