共和党

一种改进优化算法初始化的多层线搜索方法。我们引入一种新的元启发式方法来改进给定的确定性或随机优化算法的初始化。我们的目标是通过减少代价函数评估的次数、提高成功率和提高结果的精度来改进被认为是核心优化算法的性能。在我们的方法中,核心优化被视为一个多层线搜索方法的子优化问题。该方法适用于各种特殊的核心优化算法:最速下降法、重球法、遗传算法、差分进化法和受控随机搜索法。我们通过考虑一组低维和高维基准问题(即维数在2到1000之间的问题)来验证我们的方法。结果与单独使用核心优化算法和两种附加的全局优化方法(直接禁忌搜索和连续贪婪随机自适应搜索)所得结果进行了比较。后者也旨在改善核心算法的初始条件。数值结果似乎表明,我们的方法改善了核心优化算法的性能,并使生成的算法比本文研究的其他优化方法更有效。已经开发了一个名为“全局优化平台”(GOP)的Matlab优化包,实现了这里介绍的算法,可以在url上下载{http://www.mat.ucm.es/momat/software.htm}.