混沌局部搜索策略的差分进化算法

鉴于混沌的遍历性特征，不少人结合了混沌对差分进化算法进行改进，目前提出的混沌差分进化算法可以分为3类：

① 用混沌的方法改变DE的2个参数，即缩放因子F和交叉因子CR；

② 用混沌的方法产生变异个体 ；

③ 是用混沌的方法产生初始种群和子群体。

这里描述的混沌局部搜索策略的差分进化算法属于另外一种类型，可以称之为混沌局部搜索方法。这种方法就是用差分进化算法找出每一代中的最佳个体，然后在最佳个体附近用混沌的方法进行一定次数的局部搜索。

采用的混沌系统为:

y(t+1) = sin( 2/y(t) )

-1≤y(t)≤1

混沌局部搜索策略的差分进化算法的原理是：在每一代中用DE/best/2/bin搜索到最佳个体Xbest，在Xbest的附近再进行M次混沌搜索，得到M个个体，找出M个个体中适应度最佳的个体Xbest’，若Xbest’适应度比Xbest更优，则更新Xbest[这里也可以随机取代种群中的某个个体]。在Xbest附近进行混沌搜索用公式：

Xk = Xbest + y(t)

这里也可以看出与引入局部搜索策略的差分进化算法中提出的局部搜索公式形式是一致的，只是原来的是使用正态分布的随机数，而这里应用的是混沌产生的随机数。因此我们也可以考虑融合这两局部搜索策略，这里不作深入。