基于局部快速收斂算法的Memetic進化算法

　　為提高差分進化（DE）算法對性連續(xù)優(yōu)化問題的求解能力、增強算法的適應性，提出了一種基于局部快速收斂算法的Memetic進化算法。改進了Davidon-Fletcher-Powell方法，得到了具有強搜索能力的局部搜索算法——NDFP。當進化過程中出現(xiàn)具有優(yōu)秀特質的個體時，NDFP可以使該個體沿著局部最優(yōu)解的方向快速進化。為綜合NDFP和DE的優(yōu)勢，提出局部搜索的執(zhí)行策略來平衡全局搜索和局部搜索的關系，使得NDFP對DE的優(yōu)化具有更為廣泛的適應性。在CEC2005和CEC2013 Benchmark的53個測試函數上的實驗結果表明，同DE/current-to-best/l、SaDE和EPSDE算法相比，NDFP-DE進化算法具有更高的求解精度和穩(wěn)定性。