基于局部快速收敛算法的Memetic进化算法

　　为提高差分进化（DE）算法对性连续优化问题的求解能力、增强算法的适应性，提出了一种基于局部快速收敛算法的Memetic进化算法。改进了Davidon-Fletcher-Powell方法，得到了具有强搜索能力的局部搜索算法——NDFP。当进化过程中出现具有优秀特质的个体时，NDFP可以使该个体沿着局部最优解的方向快速进化。为综合NDFP和DE的优势，提出局部搜索的执行策略来平衡全局搜索和局部搜索的关系，使得NDFP对DE的优化具有更为广泛的适应性。在CEC2005和CEC2013 Benchmark的53个测试函数上的实验结果表明，同DE/current-to-best/l、SaDE和EPSDE算法相比，NDFP-DE进化算法具有更高的求解精度和稳定性。