×
Mahamed G.H.奥姆兰。;萨拉赫·沙尔汗;阿耶德·萨勒曼;莫里斯·克莱尔

研究使用低差异序列初始化基于种群的优化算法的效果。 （英语） Zbl 1315.90031号

计算。最佳方案。申请。 56，第2期，457-480（2013）.
摘要：在本文中，我们研究了使用低差异序列生成基于种群的优化算法的初始种群。以前的研究发现，低差异序列通常可以提高基于种群的优化算法的性能。然而，这些研究通常有一些主要的缺陷，比如使用了一小部分有偏见的问题，忽视了非参数统计检验的使用。为了解决这些缺点，我们使用了19个函数（其中5个是准现实世界问题）、两个流行的低差异序列和两个著名的基于人群的优化方法。根据我们的结果，没有证据表明使用低差异序列可以提高基于人群的搜索方法的性能。

MSC公司：

90C26型 非凸规划，全局优化
68瓦20 随机算法
90 C59 数学规划中的近似方法和启发式
68T20型 人工智能背景下的问题解决（启发式、搜索策略等）
92D25型 人口动态（一般）
90立方厘米 随机规划

关键词：

低差异序列;准随机序列;伪随机序列;基于种群的优化算法;粒子群优化;差异演化

软件：

基础知识;TOMS659号机组;中国电子05
PDF格式BibTeX公司 XML格式引用
\textit{M.G.H.Omran}等人，计算。最佳方案。申请。56，第2号，457--480（2013；Zbl 1315.90031）
全文： 内政部

参考文献：

[1] 布拉顿，D。；Kennedy，J.，《定义粒子群优化标准》，120-127（2007）
[2] Bratley，P.，Fox，B.：算法659：实现Sobol的准随机序列生成器。ACM事务处理。数学。柔和。14, 88-100 (1988) ·Zbl 0642.65003号 ·数字对象标识代码：10.1145/42288.214372
[3] Brest，J.、Greiner，S.、Boskovic，B.、Mernik，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。IEEE传输。进化。计算。10(6), 646-657 (2006) ·doi:10.1109/TEVC.2006.872133
[4] Brits，R。；Engelbrecht，A.P。；Bergh，F.，小生境粒子群优化器，692-696（2002）
[5] Das，S.，Suganthan，P.：2011年CEC关于测试现实优化问题的进化算法竞赛的问题定义和评估标准。技术报告，雅达布尔大学，南洋理工大学（2010）
[6] Derrac，J.，Garcia，S.，Molina，D.，Herrera，F.：关于使用非参数统计检验作为比较进化算法和群体智能算法的方法的实用教程。Swarm进化。计算。1(1), 3-18 (2011) ·doi:10.1016/j.swevo.2011.02.002
[7] 埃伯哈特，R。；Shi，Y.，《粒子群优化：发展、应用和资源》，81-86（2001）
[8] Gacógne，L.：带自适应算子的稳态遗传算法的优点。捷克布尔诺孟德尔大学，第236-242页（2000年）
[9] Gentle，E.：随机数生成和蒙特卡罗方法。柏林施普林格（1998）·Zbl 0972.65003号 ·数字对象标识代码：10.1007/978-1-4757-2960-3
[10] Georgieva，A.，Jordanov，I.：使用低差异点序列进行全局优化的混合元启发式。计算。操作。第37（3）号决议，456-469（2010）·Zbl 1189.90123号 ·doi:10.1016/j.cor.2008.07.004
[11] Goldberg，D.：搜索、优化和机器学习中的遗传算法。Addison-Wesley，雷丁（1989）·Zbl 0721.68056号
[12] 肯尼迪，J。；Eberhart，R.，粒子群优化，1942-1948（1995），纽约·doi:10.10109/ICN.1995.488968
[13] Kucherenko，S.，Sytsko，Y.：确定性低偏差序列在全局优化中的应用。计算。最佳方案。申请。30, 297-318 (2005) ·Zbl 1078.90052号 ·doi:10.1007/s10589-005-4615-1
[14] Marsaglia，G.，Zaman，A.：一类新的随机数生成器。附录申请。普罗巴伯。3, 462-480 (1991) ·Zbl 0733.65005号 ·doi:10.1214/aoap/1177005878
[15] Michalewicz，Z.，Fogel，D.：如何解决：现代启发式。施普林格，柏林（2000）·Zbl 0943.90002号 ·doi:10.1007/978-3-662-04131-4
[16] Monica，T.，Rajasekhar，A.，Pant，M.，Abraham，A.：使用低差异Sobol序列增强人工蜂群的局部探索能力。Commun公司。计算。信息科学。168, 158-168 (2011) ·doi:10.1007/978-3642-22606-919
[17] 蒙森，C。；Seppi，K.，《暴露PSO中的寻源偏见》，241-248（2005）
[18] Nguyen，Q.U。；Nguyen，X.H。；R·麦凯。；Tuan，P.，用随机低差异序列初始化粒子群优化算法：比较结果，1985-1992（2007）
[19] Karaboga，D.，Basturk，B.：一种强大而有效的数值优化算法：人工蜂群（ABC）算法。J.全球。最佳方案。39, 459-472 (2007) ·Zbl 1149.90186号 ·数字对象标识代码：10.1007/s10898-007-9149-x
[20] 木村，S。；Matsumura，K.，使用低差异序列的遗传算法，1341-1346（2005）
[21] 裤子，M。；Thangaraj，R。；Grosan，C。；Abraham，A.，使用低差异序列的改进粒子群优化，3011-3018（2008）
[22] 产品分成合同。粒子群中心。http://www.particleswarm.info。（2012年7月3日访问）
[23] Sandgren，E.：机械设计优化中的非线性整数和离散规划。J.机械。设计。112(2), 223-229 (1990) ·数字对象标识代码：10.1115/12912596
[24] Shi，Y。；Eberhart，C.，一个改进的粒子群优化器，阿拉斯加
[25] Sobol，I.：关于超立方体中的系统搜索。SIAM J.数字。分析。16(5), 790-792 (1979) ·兹比尔0445.65006 ·doi:10.1137/0716058
[26] Spears，W.、Green，D.、Spears、D.：粒子群优化中的偏差。Int.J.Swarm Intell公司。第1（2）号决议，34-57（2010年）·文件编号：10.4018/jsir.2010040103
[27] Storn，R.，Price，K.：差分进化——一种简单有效的连续空间全局优化自适应方案。技术报告TR-95-012，国际计算机科学研究所，加州伯克利（1995）·Zbl 0888.90135号
[28] Suganthan，P.，Hansen，N.，Liang，J.，Deb，K.，Chen，Y.，Auger，A.，Tiwari，S.：2005年CEC实参数优化特别会议的问题定义和评估标准。新加坡南洋理工大学技术报告（2005年）
[29] Thangaraj，R。；裤子，M。；亚伯拉罕。；Badr，Y.，用于解决全局优化问题的混合进化算法，310-318（2009）·doi:10.1007/978-3-642-02319-4_37
[30] Van Laarhoven，P.，Aarts，E.：模拟退火：理论与应用。Kluwer Academic，多德雷赫特（1987）·Zbl 0643.65028号 ·doi:10.1007/978-94-015-7744-1
[31] Yao，X.，Liu，Y.，Lin，G.：进化编程速度更快。IEEE传输。进化。计算。3(2), 82-102 (1999) ·doi:10.1009/4235.771163
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。