the cellular differential evolution based on chaotic local search

التطور التفاضلي الخلوي القائم على البحث المحلي الفوضوي

Clicks: 210
ID: 128593
2015
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Steady

Ranked #133 of 1,093 articles by views in journal of power sources

Most read Least read

Bar heights use a square-root scale. Only the 120 most-read articles are drawn; the journal has 1,093 in total.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
To avoid immature convergence and tune the selection pressure in the differential evolution (DE) algorithm, a new differential evolution algorithm based on cellular automata and chaotic local search (CLS) or ccDE is proposed. To balance the exploration and exploitation tradeoff of differential evolution, the interaction among individuals is limited in cellular neighbors instead of controlling parameters in the canonical DE. To improve the optimizing performance of DE, the CLS helps by exploring a large region to avoid immature convergence in the early evolutionary stage and exploiting a small region to refine the final solutions in the later evolutionary stage. What is more, to improve the convergence characteristics and maintain the population diversity, the binomial crossover operator in the canonical DE may be instead by the orthogonal crossover operator without crossover rate. The performance of ccDE is widely evaluated on a set of 14 bound constrained numerical optimization problems compared with the canonical DE and several DE variants. The simulation results show that ccDE has better performances in terms of convergence rate and solution accuracy than other optimizers.
لتفادي التقارب المبكر وضبط ضغط الانتقاء في خوارزمية التطور التفاضلي (DE)، يُقترح في هذا البحث خوارزمية تطور تفاضلي جديدة قائمة على الأوتوماتا الخلوية والبحث المحلي الفوضوي (CLS)، وتُعرف اختصاراً بـ ccDE. ولتحقيق التوازن في مقايضة الاستكشاف والاستغلال الخاصة بالتطور التفاضلي، يتم حصر التفاعل بين الأفراد ضمن نطاق الجيران الخلويين بدلاً من التحكم في المعاملات كما هو الحال في خوارزمية DE المعيارية. ولتحسين أداء التحسين لخوارزمية DE، يُسهم البحث المحلي الفوضوي (CLS) في استكشاف منطقة واسعة لتجنب التقارب المبكر في المرحلة التطورية الأولى، واستغلال منطقة ضيقة لتنقيح الحلول النهائية في المرحلة التطورية المتقدمة. علاوة على ذلك، ولتحسين خصائص التقارب والحفاظ على تنوع الجمهرة، يمكن استبدال عامل العبور ذي الحدين في خوارزمية DE المعيارية بعامل العبور المتعامد دون الحاجة إلى تحديد معدل العبور. تم تقييم أداء خوارزمية ccDE على نطاق واسع باستخدام مجموعة تتكون من 14 مسألة من مسائل التحسين العددي المقيدة بحدود مقارنةً بخوارزمية DE المعيارية والعديد من النسخ المشتقة منها. وتُظهر نتائج المحاكاة تمتع خوارزمية ccDE بأداء متفوق من حيث معدل التقارب ودقة الحل مقارنةً بخوارزميات التحسين الأخرى.
Reference Key
ding2015mathematicalthe Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors Qingfeng Ding, Guoxin Zheng
Are you one of these authors? Claim your profile
Journal journal of power sources
Year 2015
DOI
10.1155/2015/128902
URL
http://dx.doi.org/10.1155/2015/128902
Keywords
civil engineering (general)mathematics

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.