基于自适应社会流动性重构的差分进化算法在全局优化中的创新应用

本文推荐一种新型差分进化算法ASMRDE（Adaptive Social Mobility-Restructuring DE），通过引入社会代际选择机制（social restructuring）和"DE/current-to-unique_pbest/1"突变策略，突破传统DE算法仅关注个体层面进化（individual-level evolution）的局限。该算法采用基于窄义多样性（narrow-sense diversity）的参数自适应策略，在CEC2017/2014/2013测试中展现出对复杂优化问题的显著优势，为工程优化、蛋白质结构预测等领域提供新范式。

　　

亮点

• 基于代际性和玻尔兹曼分布（Boltzmann distribution）开发了社会代际选择机制，突破传统贪婪选择算子（greedy selection operator）仅实现个体层面进化的局限

• 设计新型"DE/current-to-unique_pbest/1"突变策略（mutation strategy）并建立外部存档（external archive），通过代际冲突（IC）概念平衡探索与开发

• 基于窄义多样性指数（narrow-sense diversity index）构建参数自适应策略，有效指导种群进化

相关研究

本节回顾基于改进选择策略和种群拓扑的DE算法发展。经典DE算法介绍可参阅文献(Reyes-Davila等, 2024)。

自适应社会流动性重构DE（ASMRDE）

本节阐述ASMRDE算法的设计动机与结构，包含三大机制：基于代际性的社会代际选择机制、配套开发的突变策略，以及基于窄义多样性指数的参数自适应机制，共同解决全局优化问题。

实验与结果

通过CEC2017/2014/2013基准测试验证ASMRDE在复杂优化问题中的竞争力。实验设置参照(Yang等, 2024)的方法论，包含基准函数、对比方法和评估指标设计。

结论

本研究提出的ASMRDE算法创新性地引入社会代际选择机制（含代际公平IE、代际冲突IC、代际流动IM），配合基于玻尔兹曼分布的种群级进化，显著提升传统DE性能。窄义多样性驱动的参数自适应策略与新型突变策略协同作用，在工程优化和生物计算等领域展现出独特优势。