JADE: Adaptive Differential Evolution withOptional External Archive

最新推荐文章于 2023-12-09 14:44:15 发布
最新推荐文章于 2023-12-09 14:44:15 发布
阅读量2.1k 收藏 26
点赞数 8
分类专栏： 算法 文章标签： 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42148307/article/details/127945532
版权

0、论文背景

本文在DE的基础上，提出了一种新的差分进化(DE)算法JADE，通过实现一种新的突变策略DE/current-to-pbest，采用可选的外部存档和参数的自适应更新，来提高优化性能。上述两种操作使种群多样化，并提高了收敛性能。

Zhang J, Sanderson A C. JADE: adaptive differential evolution with optional external archive[J]. IEEE Transactions on evolutionary computation, 2009, 13(5): 945-958.

 

 1、JADE

JADE是在DE的基础上提出来的，有关DE，参见博客：DE。JADE采用了DE/current-to-p

了解本专栏 订阅专栏 解锁全文 超级会员免费看
身影王座
关注
  • 8
    点赞
  • 踩
  • 26
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 9
    评论
专栏目录
订阅专栏
差分进化算法的变体之一——JADE算法
xiaoxixi_blog的博客
09-30 1万+
对于DE算法而言，随着迭代次数的增加，个体间的差异会逐渐降低，收敛速度也会随之下降，这会使得DE算法容易陷入局部最优和早熟收敛。所以很多研究者在原始经典的DE算法上寻求各种改进来提高DE算法的寻优能力、收敛速度、克服早熟收敛等。 DE算法主要涉及种群规模NP、缩放因子F、交叉概率CR这三个控制参数。原始的经典DE算法通常都是根据经验来选取一组固定的参数大小：NP∈[5D，10D]；F通常取0.5...
著名的JADE算法
12-17
著名的Jade算法，利用高阶累积量盲分离。
adaptive differential evolution_自适应差分进化算法_
10-04
基于自适应差分进化算法寻找非线性系统方程的多个根
JADE：带有可选择外部存档的自适应差分进化
xt_18829518330的博客
07-22 2130
JADE--一个新的差分进化算法，通过实行一个新的带有可选择外部存档的变异策略DE/current-to-pbest（新的贪婪选择方法）并在自适应行为中更新控制参数来提高优化性能。可选择存档操作利用历史数据来提供进化方向的信息。操作既增加多样性有提高收敛性。参数自适应自动更新自动更新控制参数到合适的值，并且避免了使用者需要知道在参数设置和优化问题特征之间关系的先导知识。因此，有助于提高算法的鲁棒性。带有外部存档JADE对很高维的问题相当具有前景。
自适应参数的DE算法——JADE，L-SHADE
热门推荐
Bernard_S的博客
07-12 1万+
目录JADELSHADE参考文献 最近复写一个DE[1]（差分进化算法）参数的自适应策略的变体L-SHADE[2]（CEC冠军算法）的matlab版本，发现其提出的自适应策略对DE改进效果明显，于是把其前身JADE[3]整合到一起做个笔记（公式太多，就直接用文章里的截图了）。 简单记录差分进化算法的进化机制：初始化——变异——交叉——选择，其中关键参数为变异步骤的变异系数F与交叉步骤的交叉概率CR，经典DE算法中变异系数F设定为固定值0.5，而交叉概率CR则随机从[0,1]中产生。 JADE JADE的改进
【移动机器人】基于JADE改进差分算法的多AGV路径规划
浪漫至死不渝
08-31 1942
本文以多 AGV 为研究对象，研究了多 AGV 在搬运作业中的路径规划问题，利用A*算法实现了多 AGV 的最短路径规划，同时引入时间窗算法，使得多 AGV 系统的冲突问题得以解决，最后利用优化算法JADE，对路径规划总时间进行寻优迭代，找到了最佳分配方案与最小花费时间，实现了多 AGV 系统的全局无冲突路径规划。
JADE_JADE算法_
10-01
简单的jade算法，适合初学者入门学习，没有过多的复杂过程，通过阅读一定数量的文献即可理解。
文献阅读 - JADE：具有可选外部存档的自适应差分进化
太极生两鱼
11-07 771
提出了一种新的差分进化（DE）算法 JADE，通过实施具有可选外部存档的新变异策略“DE/current-to-pbest”来提高优化性能，并以自适应方式更新控制参数。DE/current-to- pbest是经典“DE/current-to-best”的推广，而可选的存档操作利用历史数据来提供进化方向信息。这两种操作都使人口多样化并提高收敛性能。参数自适应自动将控制参数更新为合适的值，并避免用户先验了解参数设置与优化问题特征之间的关系。因此有助于提高算法的鲁棒性。
【信号分离】基于JADE实现语音信号分离附matlab代码
最新发布
matlab_dingdang的博客
12-09 1111
在数字信号处理领域，信号分离是一个非常重要的问题。信号分离可以帮助我们从混合信号中提取出我们感兴趣的信号成分，这在语音处理领域尤为重要。在本文中，我们将介绍一种基于JADE（Joint Approximate Diagonalization of Eigenmatrices）算法实现语音信号分离的方法。JADE算法是一种独立成分分析（ICA）算法，它可以用于从混合信号中分离出独立的成分。在语音信号处理中，我们经常会遇到多个说话者同时说话的情况，这就导致了混合信号的产生。
【论文泛读】进化多任务多目标优化的广义资源分配研究
wy2458984254的博客
03-01 829
大多数研究没有考虑传统ETMO框架在有限的资源下某些任务无法收敛的情况。针对多目标多任务优化中的资源分配问题，本文提出了广义资源分配框架。
差分进化算法（JADE）源码
04-14
JADE，通过实施一种新的变异策略“DE/current-to-pbest”，可选的外部存档和以自适应方式更新控制参数来提高优化性能。 DE/current-to-pbest 是经典的“DE/current-to-best”的概括，而可选的归档操作利用历史数据来提供进度方向的信息。这两种操作都使种群多样化并提高了收敛性能。参数自适应自动将控制参数更新为适当的值，避免了用户对参数设置与优化问题特征之间关系的先验知识。因此有助于提高算法的鲁棒性。仿真结果表明，在一组 20 个基准问题的收敛性能方面，JADE 优于或至少可与其他经典或自适应 DE 算法、规范粒子群优化和文献中的其他进化算法相媲美。带有外部存档的 JADE 显示了对于相对高维问题的有希望的结果。此外，它清楚地表明，没有固定的控制参数设置适用于各种问题，甚至是单个问题的不同优化阶段。
JADE算法函数
07-21
JADE盲源分离算法，程序是一个函数，可以直接调用，解混原信号的混合，算法速度快。适用于实信号和复合信号
一种基于JADE改进的差分演化算法
12-21
算法采用斜帐篷混沌映射函数初始化种群"在每次迭代中为每个个体分别产生满足正态分布!柯西分布的杂交概率和满足正态分布的缩放因子"并且记录成功变异个体的杂交概率和缩放因子"引入统计杂交概率"采用两种策略自适应地更新杂交概率。
JADE_Adaptive_Differential_Evolution_with_Optional_External_Archive.pdf
03-16
带有外部归档的自适应差分进化算法
Adaptive Differential Evolution
05-08
自适应差分演化算法，JADE，的书籍。原作者的博士毕业论文拓展而来。
matlab:具有优化外部存档的自适应差分进化算法（JADE）----应用于单目标优化
05-15
该算法是基于文献--JADE: Adaptive Differential Evolution with Optional External Archive 想更加仔细了解则去下载这篇文章了解！ 使用步骤： 1.在运行主程序JADE_RunTest.m 2.在命令窗口依次输入每个测试函数...
Constrained evolution algorithm based on adaptive differential evolution(EI)
02-07
Constrained evolution algorithm based on adaptive differential evolution(EI)
DE、SaDE、JADE、SHADE、L-SHADE算法整理
gentlelu的博客
02-06 1万+
DE(Differential Evolution)算法 A. 基本算法原理 DE算法仍然是EA算法的一种，所以在学习DE算法之前，先让我们复习一下EA(Evolution Algorithm)算法的流程图： 在开始进行具体的流程介绍之前，先让我们来定义一些东西 Solution 根据问题的维度D，我们用一个D维的向量来表示为一个Solution 需要注意的是，每一个维度都应该有自己的上界和下界 Population 我们将固定数量(NP)个Solution打包起来，这样就形成了一个Population
智能车载架构：Adaptive AUTOSAR：突破还是挑战？
Adaptive AUTOSAR作为新兴的软件架构方案，其是否能成为解决当前汽车行业挑战的"正解"，引起了广泛关注。本文首先回顾了传统ECUs的角色，它们主要负责执行针对特定车辆设计的任务，软件在车辆生命周期内基本保持...
评论 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

身影王座

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值