典型文献
基于强化学习的差分进化算法改进方法研究
文献摘要：
差分进化算法是一种基于群体智能的启发式全局搜索技术,在求解连续域的最优化问题上具有良好的适用性,但存在易于陷入局部最优,后期收敛较慢的问题.因此,提出了基于强化学习的改进差分进化算法.可以通过3个步骤对差分进化算法进行改进:利用融合变异算子和模拟退火操作来增加算法的寻优能力;通过更新协方差矩阵和函数排列来改变交叉变异的操作模式;最后在差分进化算法中增加强化学习.实验表明:基于强化学习的差分进化算法当更迭次数达到500次的时候,算法整体的平均精准度为82.2％;当更迭次数达到600次的时候,寻优的速度只需要200秒,可见所研究的方法在实际使用上是有效果的.
文献关键词：
强化学习;差分进化算法;优化
中图分类号：
作者姓名：
白芸
作者机构：
西安外事学院,陕西 西安710077
文献出处：
引用格式：
[1]白芸-.基于强化学习的差分进化算法改进方法研究)[J].科学技术创新,2022(28):49-52
A类：
B类：
强化学习,算法改进,改进方法,群体智能,启发式,全局搜索,最优化问题,局部最优,期收,较慢,改进差分进化算法,变异算子,模拟退火,加算,寻优能力,协方差矩阵,矩阵和,和函数,数排,交叉变异,操作模式,更迭,迭次
AB值：
0.304071
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
