终检失败 创新训练 120信息科学与系统科学 理论研究-科学技术未定级

我们将利用传统对位差分进化（ODE）算法框架，同时尝试构建其他对位计算方式，并将其应用于当前种群个体对立的解决方案，深入研究该对位计算方式，分析用于种群初始化以及交叉、变异、选择时的具体算法。基于现有理论支撑将该计算方式与传统的对位差分进化（ODE）、广义对位差分进化（GODE）、差分进化（DE）、随机形心对位差分进化（SCODE）四种典型策略相结合，与参考论文中给出的利用高斯扰动的四种策略比较，以此探究该对位计算方式是否能够扩展相反点的搜索邻域这一问题，计算能够增加找到更优解决方案的可行性与可能性。