基于鄰域差分和協(xié)方差信息處理單目標(biāo)優(yōu)化的進化算法

　　復(fù)雜的單目標(biāo)優(yōu)化問題是進化計算領(lǐng)域的一個研究熱點問題．已有差分進化和協(xié)方差進化被認為是處理該問題的較有效的方法，其中差分信息類似于梯度可以有效的指導(dǎo)算法朝著最優(yōu)解方向搜索，而協(xié)方差則是基于統(tǒng)計的方式來生成較優(yōu)的子代種群．本文引入了協(xié)方差信息對差分算子進行改進。提出了一種基于鄰域差分和協(xié)方差信息的進化算法（DEAfNC）來處理復(fù)雜的單目標(biāo)優(yōu)化問題．算法對現(xiàn)有差分算子中通常采用的隨機選點或結(jié)合當(dāng)前最優(yōu)解進行差分的方式進行了分析，當(dāng)隨機選擇的差分個體間的差異較大時。差分信息不能作為一種局部的梯度信息來指導(dǎo)算法的搜索：而結(jié)合最優(yōu)解的差分信息又會使得種群朝著當(dāng)前最優(yōu)解的方向搜索，導(dǎo)致種群快速的陷入局部最優(yōu)，基于此，本文采用了鄰域差分的方式來提高差分算子的有效性，同時避免種群的多樣性丟失．另外，引入了協(xié)方差來度量個體變量間的相關(guān)度。并利用相關(guān)度來優(yōu)化差分算子，最后，算法對cec2014中的單目標(biāo)優(yōu)化問題進行了測試。并將實驗結(jié)果與已有的較好的差分進化算法進行了比較。實驗結(jié)果表明了本算法的有效性．