×
谭志平;汤，于;黄华生;罗少明

基于动态适应度景观的差异进化自适应变异策略选择机制。 （英语） Zbl 1533.92153号

信息科学。 607, 44-61 (2022).
摘要：差分进化（DE）是广泛用于解决连续或离散数值优化问题的最有效的进化算法。然而，DE的性能在很大程度上取决于变异策略的选择。此外，对于给定的优化问题，在搜索最优解时，DE的不同变异策略配置可能比单个变异策略更有效。基于这些观察结果，本文提出了一种基于动态适应度景观的自适应变异策略选择差异进化（DFLDE）。在DFLDE中，最优变异策略选择是基于每个优化问题在进化过程中的动态适应度景观特征。CEC2017基准函数集用于评估所提DFLDE算法的性能。实验结果表明，DFLDE在搜索最优值、收敛速度和鲁棒性方面优于其他五种著名的DE变量。

MSC公司：

92D15型 与进化有关的问题
65K10像素 数值优化和变分技术

关键词：

差异演化;动态健身景观;自适应变异策略;数值优化

软件：

中国电子13;玉
PDF格式BibTeX公司 XML格式引用
\textit{Z.Tan}等人，《信息科学》。607、44-61（2022年；Zbl 1533.92153）
全文： 内政部

参考文献：

[1] Yu，X。；李，C。；Yen，G.G.，灾害管理中无人机路径规划的膝关节引导差分进化算法[J].应用软计算，98106857（2021）
[2] 齐，J.i。；张，L。；张凯。；李，L。；Sun，J.，改进的差分进化算法在电磁裂缝监测中的应用[J]，《地球能源研究进展》，4，3，233-246（2020）
[3] Baioletti，M。；Milani，A。；Santucci，V.，可变邻域代数微分进化：在具有累积费用的线性排序问题中的应用[J]，信息科学，507，37-52（2020）·Zbl 1456.68234号
[4] Elaziz，医学硕士。；熊，S。；贾亚塞纳，K.P.N。；Li，L.，基于混合蛾搜索算法和差分进化的云计算任务调度[J]，基于知识的系统，169，39-52（2019）
[5] Eltaeib，T。；Mahmood，A.，《差异进化：调查与分析》[J]，应用科学，1945年8月10日（2018）
[6] 比拉尔；裤子，M。；Zaheer，H。；加西亚·埃尔南德斯。；Abraham，A.，差异进化：20多年研究回顾[J]，人工智能的工程应用，90，103479（2020）
[7] Opara，K.R。；Arabas，J.，差异进化：理论分析综述[J]，Swarm和进化计算，44546-558（2019）
[8] 秦，A.K。；黄，V.L。；Suganthan，P.N.，全局数值优化的策略自适应差分进化算法[J]，IEEE进化计算事务，13，2，398-417（2008）
[9] 王，Y。；蔡，Z。；Zhang，Q.，具有复合试验向量生成策略和控制参数的差分进化[J]，IEEE进化计算交易，15，1，55-66（2011）
[10] Wu，G。；Mallipeddi，R.（马利佩迪，R.）。；Suganthan，P.N。；王，R。；Chen，H.，基于多种群突变策略集合的差异进化[J]，信息科学，329，329-345（2016）
[11] Tan，Z。；李凯。；王毅，基于适应度景观分析的差异进化与自适应突变策略[J]，信息科学，549，142-163（2021）·Zbl 1474.68479号
[12] 夏尔马，M。；Komninos，A。；López-Ibáñez，M.，差分进化中基于深度强化学习的参数控制[C]//《遗传与进化计算会议论文集》。，709-717 (2019:)
[13] 韦斯，B。；Beham，A。；Karder，J。；瓦格纳，S。；阿芬策勒，M.，二元动态优化问题的适应度景观分析[J]，计算机科学，2001004-1013（2022）
[14] Richter，H.，用动态适应度景观分析共同进化博弈[C]//2016 IEEE进化计算大会（CEC），IEEE，609-616（2016）
[15] Cirne，D。；Campos，P.R.A.，关于时变适应度景观中进化动力学和重复性的研究[J]，物理学A:统计力学及其应用，585126453（2022）
[16] 邓，W.u。；徐，J。；Song，Y。；赵，H.，基于小波基函数的差分进化算法及复杂优化问题的最优变异策略[J]，应用软计算，100106724（2021）
[17] 刘杰。；Lampinen，J.，一种模糊自适应差分进化算法[J]，软计算，9，6，448-462（2005）·Zbl 1076.93513号
[18] Omran，M.G.H。；Salman，A。；Engelbrecht，A.P.，自适应差分进化[C]//国际计算与信息科学会议，192-199（2005），施普林格：施普林格柏林，海德堡
[19] 布雷斯特，J。；格雷纳，S。；博斯科维奇，B。；默尼克，M。；Zumer，V.，微分进化中的自适应控制参数：数值基准问题的比较研究[J]，IEEE进化计算事务，10，6，646-657（2006）
[20] 张杰。；Sanderson，A.C.，JADE:具有可选外部存档的自适应差分进化[J]，IEEE进化计算汇刊，13，5，945-958（2009）
[21] Tanabe，R。；福冈，A。；评估SHADE在CEC上的性能，基准问题[C]//2013 IEEE进化计算大会，IEEE，2013，1952-1959（2013）
[22] Tanabe，R。；Fukunaga，A.S.，使用线性种群规模缩减提高SHADE的搜索性能[C]//2014 IEEE进化计算大会（CEC），IEEE，1658-1665（2014）
[23] 布雷斯特，J。；毛切克，M.S。；Bošković，B.，iL-SHADE:单目标实参数优化的改进L-SHADE算法[C]//2016 IEEE进化计算大会，IEEE，1188-1195（2016）
[24] 布雷斯特，J。；毛切克，M.S。；Bošković，B.，单目标实参数优化：算法jSO[C]//2017 IEEE进化计算大会（CEC），IEEE，1311-1318（2017）
[25] Stanovov，V。；阿赫梅多娃，S。；Semenkin，E.，用于求解CEC基准问题的基于等级的选择压力策略的LSHADE算法[C]//2018 IEEE进化计算大会（CEC），IEEE，2018，1-8（2017）
[26] Stanovov，V。；阿赫梅多瓦，S。；排名，S.E。；进化，公元。；带CEC选择压力，，数值优化[C]//2020 IEEE进化计算大会（CEC），IEEE，2020，1-7（2020）
[27] 王，X。；李，C。；朱，J。；Meng，Q.，L-SHADE-E:源于L-SHADE的两种差分进化算法的集成[J]，信息科学，552201-219（2021）
[28] Mallipeddi，R.（马利佩迪，R.）。；Suganthan，P.N。；潘，Q.K。；Tasgetiren，M.F.，带参数集合和变异策略的差分进化算法[J]，应用软计算，11，2，1679-1696（2011）
[29] 李毅。；王，S。；Yang，B.o.，一种改进的双变异策略差分进化算法[J]，应用专家系统，153113451（2020）
[30] 李伟（Li，W.）。；孟，X。；黄毅，差异进化的适应度距离相关和混合搜索策略[J]，神经计算，458，514-525（2021）
[31] 奥乔亚，G。；Malan，K.，健身景观分析的最新进展[C]//遗传与进化计算会议论文集。，1077-1094 (2019)
[32] Pimenta，C.G。；de Sá，A.G.C。；Ochoa，G.，自动机器学习搜索空间的适应度景观分析[C]//组合优化进化计算欧洲会议（EvoStar的一部分），114-130（2020），Springer:Springer-Cham·Zbl 1484.68193号
[33] 王，M。；Li，B。；张，G。；Yao，X.，人口进化性：基于人口的元启发式算法的动态适应度景观分析[J]，IEEE进化计算汇刊，22，4，550-563（2018）
[34] 李坤，梁忠，杨S，等.基于动态适应度景观的差分进化算法性能分析[J]。国际认知信息学与自然智能杂志（IJCINI），2019，13（1）：36-61。
[35] Richter，H.，动态适应度景观分析[M]//动态优化问题的进化计算，269-297（2013），Springer:Springer Berlin，Heidelberg
[36] Pitzer，E。；Affenzeller，M.，健身景观分析综合调查[J]，智能工程系统最新进展，161-191（2012）
[37] Liang，J.J。；Qu，B.Y。；Suganthan，P.N.，中国郑州大学计算智能实验室和新加坡南洋理工大学技术报告，中国电子商务委员会2014年单目标实参数数值优化专题会议和竞赛的问题定义和评价标准[J]，635490（2013）
[38] Liang，J.J。；Qu，B.Y。；Suganthan，P.N.，基于学习的实际参数单目标优化CEC 2015竞赛的问题定义和评价标准[J]。技术报告201411A，计算智能实验室，29:，625-640（2014）
[39] 郭，G。；Wang，H。；Bell，D.，分类中基于KNN模型的方法[C]//OTM联合会国际会议“走向有意义的互联网系统”，986-996（2003），Springer:Springer Berlin，Heidelberg
[40] 新罕布什尔州阿瓦德。；阿里，M.Z。；Suganthan，P.N.，用欧几里德邻域集成正弦微分协方差矩阵自适应求解CEC2017基准问题[C]//2017 IEEE进化计算大会，IEEE，372-379（2017）
[41] Ghosh，A。；达斯，S。；Das，A.K.，用于改进全局数值优化的简单两阶段差分进化[J]，软计算，24，8，6151-6167（2020）
[42] Neuhäuser，M.，结合t检验和Wilcoxon秩和检验[J]，应用统计学杂志，42，12，2769-2775（2015）·兹比尔1514.62772
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。