技術(shù)特征：

1.一種控制參數(shù)自適應(yīng)和策略自適應(yīng)的差分進化算法，其特征在于：對于優(yōu)化問題

$\begin{array}{ccc}\underset{x}{min}f(x_1,x_2,...,x_D)& x_j\∈(x_j^L,x_j^U)& j=1,2,...,D\end{array}---\left(1\right)$

其中，f(x)為優(yōu)化的目標(biāo)函數(shù)，x為D維優(yōu)化矢量，和分別為第j個變量x_j的下限和上限；具體包括以下步驟：

(1)初始化：在各自的可行域內(nèi)，生成原始種群與控制參數(shù)種群設(shè)置最大的迭代次數(shù)G_m和種群的規(guī)模NP,同時，使N_choice＝0，F(xiàn)_strategy1＝0，F(xiàn)_strategy2＝0；

(2)原始種群S₁的進化：每一個原始個體采用各自的作為控制參數(shù)，實現(xiàn)差分進化操作，生成新個體i＝1,2...,NP；

選擇NP/2+N_choice個個體進行式(2)的個體變異操作

${\hat{x}}_{i_{strategy1}}^{G+1}=x_{r_1}^G+F_{i_{strategy1}}^G\·(x_{r_2}^G-x_{r_3}^G)---\left(2\right)$

其中，i_strategy1＝1,2，...，NP/2+N_choice

選擇剩下的NP/2-N_choice個個體按照rand＞0.4的原則來分別進行式(3)和(4)的個體變異操作，如果是則利用式(3)進行變異操作，如果否，則利用式(4)進行變異操作；

${\hat{x}}_{i_{strategy2}}^{G+1}=x_{r_1}^G+F_{i_{strategy2}}^G\·(x_{r_2}^G-x_{r_3}^G)+F_{i_{strategy2}}^G\·(x_{r_4}^G-x_{r_5}^G)---\left(3\right)$

${\hat{x}}_{i_{strategy2}}^{G+1}=x_i^G+F_{i_{strategy2}}^G\·(x_{best}^G-x_i^G)+F_{i_{strategy2}}^G\·(x_{r_1}^G-x_{r_2}^G)---\left(4\right)$

其中，i_strategy2＝NP/2+N_choice+1，NP/2+N_choice+1,...，NP,且i_strategy1+i_strategy2＝NP；

個體的邊界處理：若或那么從可行域內(nèi)隨機選?。?/p>

個體交叉操作：

其中是新個體的第j個基因；

策略的自適應(yīng)的操作：求得的平均值，同時使求得的平均值，同時使如果F_strategy1≤F_strategy2，那么N_choice＝N_choice+1，否則N_choice＝N_choice-1；同時，對N_choice的邊界進行處理，如果N_choice＞NP/2,那么N_choice＝NP/2-1，如果N_choice＜-NP/2，那么N_choice＝-NP/2+1；

個體的選擇:

(3)控制參數(shù)種群的進化：

F_i^G+1＝N(0.5,σ)， (7)

${\mathrm{CR}}_i^{G+1}=N(0.9,\mathrm{\σ});---\left(8\right)$

其中，σ＝1.2-G/G_m；

控制參數(shù)邊界的設(shè)定：如果F_i^G+1＞1或F_i^G+1＜0,那么F_i^G+1＝1或F_i^G+1＝0.如果或那么

(4)重復(fù)第2～第3步，直到進化代數(shù)超過最大進化代數(shù)G_m。