采用双变异策略的自适应差分进化算法及应用

来源：计算机工程与应用杂志2020年第4期北京时间：

作者：沈鑫，邹德旋，张强

单位：1.江苏师范大学 电气工程及自动化学院，江苏 徐州 221116；2.徐州开放大学 信息技术与电气工程学院，江苏 徐州 221000

摘要：为了克服差分进化算法早熟收敛和寻优精度低的缺点，提出一种采用双变异策略的自适应差分进化算法（Adaptive Differential Evolution Algorithm using Double mutation strategies，DADE）。DADE引入基于种群相似度和中心解的双变异策略，有效平衡了算法的全局搜索和局部搜索；自适应交叉概率使种群个体向更新成功的个体学习，有利于后续种群的进化。在7个测试函数和3个电力系统动态经济调度（Dynamic Economic Dispatch，DED）问题上的优化结果表明，DADE算法与其他4种DE算法相比具有更强的全局寻优能力，且对电力系统动态经济调度问题的优化结果优于文献中所报道的结果。

关键词：差分进化算法,双变异策略,中心解,自适应交叉概率,测试函数,电力系统动态经济调度