作者：徐东方; 郭战伟; 侯春娟约束优化惩罚系数自适应差分进化最优解
摘要：由于可行域不连续和函数形式复杂使得许多算法难以有效求解约束优化问题，提出了一种约束尺度和算子自适应变化的差分进化算法．通过统计新个体中可行解和不可行解的数量以自适应调整惩罚系数，使个体能够分布在多个不连续的可行域中，从而找到最优解所在区域．同时，算法还采用了两种不同的差分算子，分别用于局部区域的快速寻优和整个可行域的全局探索．在两种算子的选择上，则根据新个体的存活情况和约束违反情况来自适应调整其选择的概率．最后通过3组标准约束优化问题在10维和30维变量下的测试结果显示：所提算法的性能整体优于对比算法，其平均最优解在10维时至少提升了4．75％．
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
