TY - JOUR A2 - gaaudioso, Manlio AU - Khanum, Rashida Adeeb AU - Jan, Muhammad Asif AU - Tairan, Nasser Mansoor AU - Mashwani，AB -差分进化(DE)是求解全局优化问题的一种有效的启发式算法。然而，在利用近似解的局部区域时遇到了困难。为了解决这一问题，可以将局部搜索(LS)技术与DE相结合，以提高DE的局部搜索能力。在这项工作中，我们将DE的更新版本，自适应差分进化与可选外部存档(JADE)，与昂贵的LS方法，Broydon-Fletcher-Goldfarb-Shano (BFGS)，用于求解连续的无约束全局优化问题。新的混合算法用DEELS表示。为了验证DEELS的性能，我们在CEC2005和CEC2010等著名测试问题上进行了大量的实验。将实验结果从函数误差值、成功率等方面与一些最先进的算法、差分进化自适应控制参数(jDE)、基于邻域搜索的大规模全局优化序列自适应控制参数(sdes)、和差分抗标记能量算法(DASA)。这些比较表明，除DASA外，DEELS在大多数测试实例上的性能优于jDE和sdes。 SN - 2356-752X UR - https://doi.org/10.1155/2016/3260940 DO - 10.1155/2016/3260940 JF - Journal of Optimization PB - Hindawi Publishing Corporation KW - ER -