Key points are not available for this paper at this time.
L'évolution différentielle est une approche simple, mais efficace pour l'optimisation numérique. Étant donné que l'efficacité de recherche de DE dépend significativement de ses paramètres de contrôle, de nombreux travaux récents ont été réalisés pour développer des mécanismes auto-adaptatifs pour DE. Nous proposons une nouvelle technique d'adaptation des paramètres pour DE qui utilise une mémoire historique des paramètres de contrôle réussis pour guider la sélection des valeurs futures des paramètres de contrôle. La méthode proposée est évaluée par comparaison sur 28 problèmes du jeu de référence CEC2013, ainsi que sur les références CEC2005 et l'ensemble de 13 problèmes de référence classiques. Les résultats expérimentaux montrent qu'un DE utilisant notre méthode d'adaptation des paramètres basée sur l'historique de succès est compétitif par rapport aux algorithmes DE de pointe.
Tanabe et al. (Samedi) ont étudié cette question.