×
赵福清;何宣;杨国强;马伟民;Zhang，Chuck张，查克;宋侯斌

通过基于成功历史的参数自适应差分进化（SHADE），提出了一种具有自适应扰动机制的混合迭代局部搜索算法。 （英语） Zbl 1523.90286号

工程优化。 52，第367-383号（2020）.
摘要：迭代局部搜索（ILS）在组合解空间中非常成功。然而，很少有研究报道ILS在连续问题中的应用。针对数值优化问题，提出了一种新的基于种群的混合迭代局部搜索算法。该混合方法引入了基于成功历史的差分进化参数自适应（SHADE）和有限记忆Broyden-Fletcher-Goldfarb-Shanno（LBFGS）作为扰动和局部搜索策略，并综合了SHADE的探测能力和LBFGS的局部搜索性能的优点。采用模拟退火型验收准则来平衡ILS的勘探和开发。针对CEC2017基准函数对所提出的HILS进行了测试，这些基准函数用于评估所提出算法在求解数值优化问题时的性能。实验结果表明了HILS的有效性和效率。

MSC公司：

90立方厘米26 非凸规划，全局优化
90元53 拟Newton型方法
90 C59 数学规划中的近似方法和启发式

关键词：

迭代局部搜索;阴影;磅/平方英尺;数值优化
PDF格式BibTeX公司 XML格式引用
\textit{F.Zhao}等人，工程优化。52，第3号，367--383（2020；Zbl 1523.90286）
全文： 内政部

参考文献：

[1] Afshar-Nadjafi，B.，估算Gamma/Gompertz分布参数的迭代局部搜索算法，工程建模与仿真，2014，1，1-7（2014）
[2] 阿克兰，K。；Kamal，K。；Zeb，A.，《快速模拟退火与淬火混合用于解决车间调度问题》，应用软计算，49，510-523（2016）
[3] Auger，A.和Hansen，N.，2005年。“随着人口规模的增加重新启动CMA进化策略”，摘自《2005年IEEE进化计算大会论文集》，1769-1776年。新泽西州皮斯卡塔韦：IEEE出版社。
[4] Avci，M。；Topaloglu，S.，广义二次多背包问题的一种多阶段迭代局部搜索算法，计算机与运筹学，83，54-65（2017）·Zbl 1458.90534号
[5] 新罕布什尔州阿瓦德。；阿里，M.Z。；Liang，J.J。；Qu，B.Y。；Suganthan，P.N.（2016）
[6] Badem，H。；Basturk，A。；Caliskan，A。；Yuksel，M.E.，《通过人工蜂群和有限内存BFGS优化算法的杂交实现深层神经网络的新型高效训练策略》，神经计算，266，506-526（2017）
[7] 巴列斯汀，F。；Trautmann，N.，《资源约束加权提前度项目调度问题的迭代局部搜索启发式算法》，《国际生产研究杂志》，46，22，6231-6249（2008）·Zbl 1154.90353号
[8] Biedrzycki，R.2017年。“用于CEC 2017单目标约束问题的带中点的IPOP-CMA-ES算法版本”，摘自2017年IEEE进化计算大会会议记录，1489-1494。新泽西州皮斯卡塔韦：IEEE。
[9] Biglari，F.，有限内存BFGS方法的动态缩放，《欧洲运筹学杂志》，243，3，697-702（2015）·Zbl 1346.90817号
[10] Brest，J.、Maučec，M.S.和Bošković，B.，2016年。“iL-SHADE:单目标实参数优化的改进L-SHADE算法”，摘自2016年IEEE进化计算大会（CEC）会议记录，1188-1195。新泽西州皮斯卡塔韦：IEEE。
[11] Brest，J.，Maučec，M.S.和Bošković，B..2017年。“单目标实参数优化：算法jSO”，摘自2017年IEEE进化计算大会（CEC）会议记录，1311-1318。新泽西州皮斯卡塔韦：IEEE。
[12] 陈，S.-M。；Sarosh，A。；Dong，Y.-F.，用于全局数值优化的基于模拟退火的人工蜂群算法，应用数学与计算，219，8，3575-3589（2012）·Zbl 1311.65068号
[13] 崔丽珍。；Li，G.H。；林庆珍。；Chen，J.Y。；Lu，N.，在多个子种群中采用新型变异策略的自适应差分进化算法，计算机与运筹学，67，155-173（2016）·Zbl 1349.90852号
[14] 崔丽珍。；Li，G.H。；林庆珍。；杜振华。；Gao，W.F。；Chen，J.Y。；Lu，N.，一种基于深度优先搜索框架和精英引导搜索方程的新型人工蜂群算法，信息科学，3681012-1044（2016）
[15] 崔丽珍。；Li，G.H。；Wang，X.Z。；林庆珍。；Chen，J.Y。；卢，N。；Lu，J.，用于全局数值优化的基于排名的自适应人工蜂群算法，信息科学，417169-185（2017）·兹比尔1435.90152
[16] Dong，X.Y。；陈，P。；香港黄。；Nowak，M.，最小化总流时间的置换Flow Shop问题的多重启动迭代局部搜索算法，计算机与运筹学，40，2，627-632（2013）·Zbl 1349.90339号
[17] Dong，X.Y。；香港黄。；Chen，P.，具有总流时准则的置换Flowshop问题的迭代局部搜索算法，计算机与运筹学，36，5，1664-1669（2009）·Zbl 1177.90153号
[18] 伊萨菲。；马蒂，Y。；Dauzere-Peres，S.，Job-Shop调度问题中最小化总加权拖期的遗传局部搜索算法，计算机与运筹学，35，8，2599-2616（2008）·Zbl 1177.90155号
[19] Ezugwu，A.E.-S。；阿德乌米，A.O。；Frêncu，M.E.，基于模拟退火的共生生物旅行推销员问题搜索优化算法，应用专家系统，77，189-210（2017）
[20] 加西亚，S。；莫利纳，D。；Lozano，M。；Herrera，F.，《使用非参数测试分析进化算法行为的研究：2005年CEC实参数优化特别会议的案例研究》，《启发式杂志》，15，6，617-644（2009）·Zbl 1191.68828号
[21] Gunawan，A。；Ng，K.M。；Kendall，G。；Lai，J.H.，一种求解可变利润团队定向问题的迭代局部搜索算法，工程优化，50，7，1148-1163（2018）·Zbl 1523.90067号
[22] Holland，J.H.，《自然和人工系统的适应：生物学、控制和人工智能应用的介绍性分析》（1992），马萨诸塞州剑桥：麻省理工学院出版社
[23] 贾维德拉德，F。；Nazari，M.，一种新的混合粒子群和模拟退火随机优化方法，应用软计算，60，634-654（2017）
[24] Kennedy，J.和Eberhart，R.，1995年。“粒子群优化”，ICNN'95国际神经网络会议论文集，11月27日至12月1日。
[25] 柯克帕特里克，S。；盖拉特，C.D。；Vecchi，M.P.，《模拟退火优化》，《科学》，220，4598，671-680（1983）·兹比尔1225.90162
[26] Kramer，O.，《使用鲍威尔方法的迭代局部搜索：连续全局优化的模因算法》，模因计算，2，1，69-83（2010）
[27] Kumar，A.、Misra，R.K.和Singh，D.，2017年。“使用协方差矩阵自适应后退阶段提高有效蝴蝶优化程序的局部搜索能力”，摘自2017年IEEE进化计算大会（CEC）会议记录，1835-1842。新泽西州皮斯卡塔韦：IEEE。
[28] Li，G.H。；林Q.Z。；崔丽珍。；杜振华。；梁振平。；Chen，J.Y。；Lu，N。；Ming，Z.，一种基于改进CoDE和JADE的新型混合差分进化算法，应用软计算，47577-599（2016）
[29] 李，J。；帕尔达洛斯，P.M。；Sun，H。；裴，J。；Zhang，Y.，同时配送和取货的多报告车辆路径问题的迭代局部搜索嵌入自适应邻域选择方法，应用专家系统，42，7，3551-3561（2015）
[30] Lourenço，H.R。；O.C.马丁。；Stützle，T.，《迭代局部搜索：框架和应用》，元启发式手册，363-397（2010），马萨诸塞州波士顿：斯普林格
[31] Lozano，M.和Garcia-Martinez，C.，2008年。“进化ILS-扰动技术”，发表于第五届混合元启发式国际研讨会，HM 2008，西班牙马拉加，10月8-9日。
[32] 马丁斯，I.C。；皮涅罗，R.G.S。；普罗蒂，F。；Ochi，L.S.，应用于细胞形成问题的混合迭代局部搜索和可变邻域下降启发式，专家系统及其应用，42，22，8947-8955（2015）
[33] Michiels，W。；阿尔茨，E。；Korst，J.，《本地搜索的理论方面》（2007），柏林-海德堡：施普林格科学与商业媒体·Zbl 1130.90061号
[34] Mohamed，A.W.、Hadi，A.A.、Fattouh，A.M.和Jambi，K.M.，2017年。“LSHADE与CMA-ES的半参数自适应混合用于解决CEC 2017基准问题”，摘自2017年IEEE进化计算大会（CEC）会议记录，145-152。新泽西州皮斯卡塔韦：IEEE。
[35] Molina，D.、Latorre，A.和Herrera，F.，2018年。“用迭代局部搜索实现大规模全局优化的阴影”，2018年IEEE进化计算大会（CEC），1-8。新泽西州皮斯卡塔韦：IEEE。
[36] Nguyen，T.T。；Yao，X.，《混合文化算法和局部搜索的实验研究》，《国际神经系统杂志》，18，1，1-17（2008）
[37] Nguyen，S。；张明杰。；约翰斯顿，M。；Tan，K.C.，通过迭代局部搜索实现动态车间调度的自动编程，IEEE控制论汇刊，45，1，1-14（2015）
[38] Nobile，M.S.、Tangherloni，A.、Besozzi，D.和Cazzaniga，P.，2016年。“GPU-Powered and Settings-Free Parameter Estimation of Biochemical Systems”，《2016年IEEE进化计算大会（CEC）论文集》，32-39。新泽西州皮斯卡塔韦：IEEE。
[39] Nocedal，J。；Wright，S.J.，《数值优化》（1999），柏林和纽约：Springer-Verlag·Zbl 0930.65067号
[40] 秦，T。；彭，B。；Benlic，美国。；Cheng，T.C.E。；王，Y。；吕志平，基于多类型扰动的单机提前/拖期调度迭代局部搜索，计算机与运筹学，61，81-88（2015）·Zbl 1348.90302号
[41] 邵，W.S。；李，S。；李，M。；邵，Z.S。；Ying，X.F.，基于自适应增量学习的混合差分进化/分布估计算法，计算信息系统杂志，10，12，5355-5364（2014）
[42] 邵，W.S。；Pi，D.C.，置换Flow Shop调度的邻域搜索自引导差分进化，应用专家系统，51，161-176（2016）
[43] 邵，Z.S。；Pi，哥伦比亚特区。；Shao，W.S.，用于解决置换Flow Shop调度问题的分布算法的扩展连续估计，工程优化，49，111868-1889（2017）
[44] 史振伟。；Yang，G.Y。；Xiao，Y.H.，用于非凸极小化的有限内存BFGS算法及其在矩阵最大特征值问题中的应用，运筹学的数学方法，83，2，243-264（2016）·Zbl 1336.90088号
[45] Soria-Alcaraz，J.A。；厄兹坎，E。；斯旺，J。；Kendall，G。；Carpio，M.，《使用添加和删除超神经网络的迭代局部搜索用于大学课程时间表》，应用软计算，40，581-593（2016）
[46] Spolaor，S.、Tangherloni，A.、Rundo，L.、Nobile，M.S.和Cazzaniga，P.，2017年。“粒子群优化中的重启策略及其对生化系统参数估计的影响”，载于2017年IEEE生物信息学和计算生物学计算智能会议论文集，1-8。新泽西州皮斯卡塔韦：IEEE。
[47] 斯托恩，R。；Price，K.，差分进化-连续空间上全局优化的一种简单有效的启发式算法，全局优化杂志，11，4，341-359（1997）·Zbl 0888.90135号
[48] Stutzle，T.，二次分配问题的迭代局部搜索，《欧洲运筹学杂志》，174，31519-1539（2006）·Zbl 1103.90066号
[49] Tanabe，R.和Fukunaga，A.，2013年。“差异演化的基于成功历史的参数自适应”，摘自2013年IEEE进化计算大会论文集，71-78。新泽西州皮斯卡塔韦：IEEE。
[50] Tangherloni，A.、Rundo，L.和Nobile，M.S.，2017年。“群优化中的主动粒子：实参数单目标优化问题的无设置算法”，摘自《2017年IEEE进化计算大会（CEC）会议记录》，1940-1947年。新泽西州皮斯卡塔韦：IEEE。
[51] Tangherloni，A.、Rundo，L.、Spolaor，S.、Cazzaniga，P.和Nobile，M.S.，2018年。“GPU-Powered Multi-warm Parameter Estimation of Biological Systems:A Master-Slave Approach”，《2018年第26届并行、分布式和网络化处理（PDP）欧洲显微国际会议论文集》，698-705。新泽西州皮斯卡塔韦：IEEE。
[52] 魏立杰。；张，Z.Z。；张，D.F。；Leung，S.C.H.，具有二维负载约束的电容车辆路径问题的模拟退火算法，欧洲运筹学杂志，265，3，843-859（2018）·Zbl 1374.90329号
[53] Wu，G.H。；邱，D。；Yu，Y。；佩德里茨，W。；马，M.H。；Li，H.F.，结合局部搜索技术的最优解引导粒子群优化，应用专家系统，41，16，7536-7548（2014）
[54] Xiao，Y.H。；魏振新。；Wang，Z.G.，用于大规模无约束优化的有限内存BFGS型方法，计算机与数学及其应用，56，4，1001-1009（2008）·兹比尔1155.90441
[55] Xu，J.Y。；吴春秋。；Yin，Y.Q。；Lin，W.C.，具有序列相关设置时间的多目标置换Flowshop调度问题的迭代局部搜索，应用软计算，52，39-47（2017）
[56] Zar，J.H.，生物统计分析（1999），新德里：皮尔逊教育印度
[57] Zhang，Q.F.和Sun，J.Y.，2006年。“带引导变异的迭代局部搜索”，摘自2006年IEEE进化计算国际会议论文集，924-929。新泽西州皮斯卡塔韦：IEEE。
[58] 赵富强。；刘，Y。；Zhang，Y。；马，W.M。；Zhang，C.，置换Flow Shop调度问题的高效作业序列方案和可变邻域搜索混合协调搜索算法，人工智能的工程应用，65，178-199（2017）
[59] 赵富强。；刘，H。；Zhang，Y。；马，W.M。；Zhang，C.，No-Wait Flow Shop调度问题的离散水波优化算法，应用专家系统，91，347-363（2018）
[60] 赵富强。；刘，Y。；张，C。；Wang，J.B.，自适应和谐PSO搜索算法及其性能分析，专家系统及其应用，42，21，7436-7455（2015）
[61] 周永明。；Hao，J.-K.，最小差分色散问题的迭代局部搜索算法，基于知识的系统，125，26-38（2017）
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。