论文部分内容阅读
Kumar模型一次反应方程选择性系数辨识问题具有非线性强、维度高、计算时间长、要求精度高等特点,标准差分进化算法(DE)在解决该问题时易早熟、陷入局部最小。针对这一问题,提出了一种新的分类变异参数自适应差分进化(Classification Variation Parameter Adaptive Differential Evolution,CVPADE)算法。结合分类变异策略与改进的控制参数自适应进化策略,使适应度较好的优秀个体着重增加局部搜索能力,适应度较差的个体增强全局搜索能力,同时加快趋向最优解