基于单形正交实验设计的差分演化SO-DE算法

　　为了克服传统差分演化（DE）算法在求解约束优化问题时出现的收敛性慢和容易陷入早熟等缺陷，提出一种新的基于单形正交实验设计的差分演化（SO-DE）算法。该算法设计了一种结合单形交叉和正交实验设计的混合交叉算子来提高差分演化算法的搜索能力；同时采用了一种改进的个体优劣比较准则对种群个体进行比较和选择。这种新的混合交叉算子利用多个父代个体进行单形交叉产生多个子代个体，从两者中选择优秀个体进行正交实验设计得到下一代种群个体。改进的个体优劣比较准则对不同状态下的种群采用不同的处理方案，其目的在于能够有效地权衡目标函数值和约束违反量之间的关系，从而选择优秀个体进入下一代种群。通过对13个标准测试函数和2个工程设计问题进行仿真实验，实验结果表明SO-DE算法求解的精度和标准方差都要优于HEAA算法和COEA/OED算法。SO-DE算法具有更高的精度以及更好的稳定性。