×
加西亚-马丁内斯，C。;M.洛扎诺。;F.埃雷拉。;D.莫利纳。;桑切斯，A.M。

基于以父母为中心的交叉算子的全局和局部实数编码遗传算法。 （英语） Zbl 1146.90532号

欧洲药典。物件。 185，第3号，1088-1113（2008）.
摘要：以父母为中心的实参数交叉算子在父母之一，即女性父母的邻里创造后代。另一个父母，男性，定义了邻居的范围。为了改善这些交叉算子的行为，我们提出了在应用它们之前执行的三个过程。首先，女性和男性的分化过程决定了群体中可能成为女性或/和男性父母的个体。然后，两种不同的选择机制从每组中选择雌雄双亲。此外，我们还讨论了如何选择最合适的进化模型，以从这些父母选择机制中获取利润。实验结果证实，这三个过程可以增强以父母为中心的交叉算子的操作。

引用于23文件

MSC公司：

90 C59 数学规划中的近似方法和启发式

关键词：

实数编码遗传算法;稳态遗传算法;亲本选择机制;以父母为中心的交叉算子;染色体分化;混合实数编码遗传算法

软件：

基因科普;CMA-ES公司;CIXL2号机组
PDF格式BibTeX公司 XML格式引用
\textit{C.García-Martínez}等人，《欧洲药典》。第185号决议，第3号，1088--1113（2008年；Zbl 1146.90532）
全文： 内政部

参考文献：

[1] Bäck，T.，1994年。进化算法中的选择压力：选择机制的特征。In：程序。第一届IEEE进化计算会议，第57-62页。；Bäck，T.，1994年。进化算法中的选择压力：选择机制的特征。In：程序。第一届IEEE进化计算会议，第57-62页。
[2] Bäck，T.，《理论与实践中的进化算法》（1996），牛津大学出版社·兹比尔0877.68060
[3] Ballester，P.J。；Carter，J.N.，《用于在多模态优化中找到多个最优解的实参数遗传算法》，（Cantú-Paz，Erick；等，《遗传和进化计算会议程序》，《遗传与进化计算会议进程》，LNCS，第2723卷（2003），Springer），706-717·Zbl 1028.68668号
[4] Ballester，P.J。；Carter，J.N.，《用于多峰优化的以父代为中心的正态交叉的有效实参数遗传算法》，（《遗传与进化计算会议议事录》，《遗传与演化计算会议议事稿》，LNCS，第3102卷（2004），Springer），901-913
[5] Bandyopadhyay，S。；Pal，S.K。；Maulik，U.，将染色体分化纳入遗传算法，信息科学，104，293-319（1998）
[6] Beyer，H.-G。；Deb，K.，《关于实参数进化算法中的自适应特性》，IEEE进化计算汇刊，5，3，250-270（2001）
[7] Beyer，H.-G。；Schwefel，H.-P.，《进化策略》，自然计算，1,3-52（2002）·Zbl 1014.68134号
[8] Bonham，C.R。；Parmee，I.C.，《面向集群的遗传算法（COGA）的探索与开发研究》，（1999年遗传与进化计算会议论文集，Morgan Kaufmann:Morgan Koufmann San Francisco，California），1491-1497
[9] 布兰克，J。；库塔亚，M。；Dold，H.，《减少稳态进化算法中的遗传漂移》（Banzhaf，W.等，《遗传和进化计算会议程序》（1999），Morgan Kaufmann:Morgan Koufmann San Francisco，California），68-74
[10] 塞德尼奥，W。；Vemuri，V。；Slezak，T.，遗传算法中的多生态位拥挤及其在DNA限制性片段组装中的应用，进化计算，2，4321-345（1995）
[11] R.Chelouah。；Siarry，P.，为多模态函数的全局优化设计的连续遗传算法，《启发式杂志》，6，2，191-213（2000）·Zbl 0969.68641号
[12] R.Chelouah。；Siarry，P.，遗传算法和Nelder-Mead算法的杂交，用于更精确的连续多最小函数全局优化，欧洲运筹学杂志，148，335-348（2003）·Zbl 1035.90062号
[13] 克雷赫斯特，R。；Martin，W.，《通过基于祖先的交叉禁止提高遗传算法性能》（Eshelman，L.J.，《第六届遗传算法国际会议论文集》（1995），Morgan Kaufmann:Morgan Koufmann San Mateo，CA），130-137
[14] Davis，L.，《遗传算法手册》（1991），Van Nostrand Reinhold：纽约
[15] Deb，K.，《使用进化算法的多目标优化》（2001），John Wiley&Sons：John Willey&Sons纽约·Zbl 0970.90091号
[16] Deb，K.，《基于群体的实参数优化算法生成器》，《软计算》，9，4，236-253（2005）·兹比尔1062.90075
[17] 德布，K。；Agrawal，R.B.，连续搜索空间的模拟二进制交叉，复杂系统，9，115-148（1995）·Zbl 0843.68023号
[18] 德布，K。；Beyer，H.，模拟二进制交叉的自适应遗传算法，进化计算杂志，9，2，195-219（2001）
[19] 德布，K。；阿南德，A。；Joshi，D.，一种用于实际参数进化的高效计算进化算法，进化计算杂志，10，4，371-395（2002）
[20] De Jong，K.A.，1975年。一类遗传自适应系统的行为分析。密歇根大学安娜堡分校博士论文。国际论文摘要36（10），5140B（大学缩微胶片编号76-9381）。；De Jong，K.A.，1975年。一类遗传自适应系统的行为分析。密歇根大学安娜堡分校博士论文。论文摘要国际36（10），5140B（大学缩微胶片编号76-9381）。
[21] De Jong，K.A。；Sarma，J.，《重新审视代沟》（Whitley，L.D.，《遗传算法基础》，第2卷（1993），Morgan Kaufmann:Morgan Koufmann San Mateo，California），19-28
[22] De Jong，K.A。；Spears，W.M.，《遗传算法中多点交叉作用的形式分析》，《数学和人工智能年鉴》，5，1，1-26（1992）·Zbl 1004.68538号
[23] De Jong，E.D。；Watson，R.A。；Pollack，J.B.，《使用多目标方法减少膨胀和促进多样性》（Spector，L.；等，《遗传和进化计算会议程序》（2001），Morgan Kaufmann:Morgan Koufmann San Francisco，California），11-18
[24] R.C.埃伯哈特，J.肯尼迪，1995年。使用粒子群理论的新优化器。In：程序。第六届国际微型机器与人类科学研讨会，日本名古屋，第39-43页。；R.C.埃伯哈特，J.肯尼迪，1995年。使用粒子群理论的新优化器。In：程序。第六届国际微型机器与人类科学研讨会，日本名古屋，第39-43页。
[25] 艾本，A.E。；Hinterding，R。；Michaelwicz，Z.，进化算法中的参数控制，IEEE进化计算汇刊，3，2124-141（1999）
[26] Eshelman，L.J.，CHC自适应搜索算法：如何在进行非传统遗传重组时进行安全搜索，（Rawlin，G.J.E.，《遗传算法基础》，第1卷（1991年），Morgan Kaufmann:Morgan Koufmann San Mateo，California），265-283
[27] Eshelman，L.J。；Schaffer，J.D.，《通过防止乱伦防止遗传算法过早收敛》（Belew，R.；Booker，L.B.，《第四届遗传算法国际会议论文集》（1991），Morgan Kaufmann:Morgan Koufmann San Mateo，California），115-122
[28] Eshelman，L.J。；Mathias，K.E。；Schaffer，J.D.，《收敛控制变异》（Belew，R.；Vose，M.，《遗传算法基础》，第4卷（1997），Morgan Kaufmann:Morgan Koufmann San Mateo，California），203-224
[29] 费尔南德斯，C。；Rosa，A.，《使用皇家道路函数对遗传算法中非随机交配和不同种群规模的研究》，（2001年进化计算大会议事录（2001年），IEEE出版社：新泽西州皮斯卡塔韦IEEE出版社），60-66
[30] Fogel，D.B.，《进化编程：导论和一些当前方向》，《统计与计算》，第4期，第113-129页（1994年）
[31] Fogel，D.B.，《进化计算：走向机器智能的新哲学》（1995），IEEE出版社：IEEE出版社，纽约皮斯卡塔韦
[32] Ghosh，A。；Tsutsui，S。；Tanaka，H.，《在非平稳环境中使用稳态遗传算法进行个体老化的函数优化》，（1998年IEEE进化计算国际会议论文集（1998年），IEEE出版社：IEEE出版社，纽约），666-671
[33] Goh，K.S。；A.Lim。；罗德里格斯，B.，《遗传算法的性别选择》，《人工智能评论》，第19期，第123-152页（2003年）
[34] Goldberg，D.E.，《搜索、优化和机器学习中的遗传算法》（1989），Addison-Wesley:Addison-Whesley Reading，MA·Zbl 0721.68056号
[35] Goldberg，D.E。；Deb，K.，《遗传算法中使用的选择方案的比较分析》，（Rawlins，G.J.E.，遗传算法基础（1991），Morgan Kaufmann:Morgan Koufmann San Mateo，California），69-93
[36] Hansen，N.，Ostermier，A.，1996年。自适应进化策略中的任意正态变异分布：协方差矩阵自适应。In：程序。1996年IEEE进化计算会议，第312-317页。；Hansen，N.，Ostermier，A.，1996年。进化策略中任意正态突变分布的自适应：协方差矩阵自适应。In：程序。1996年IEEE进化计算会议，第312-317页。
[37] Hansen，N。；Ostermier，A.，《进化策略中的完全失范自适应》，进化计算，9，2，159-195（2001）
[38] Hansen，N。；穆勒，S.D。；Koumoutsakos，P.，用协方差矩阵自适应（CMA-ES）降低非对称进化策略的时间复杂性，进化计算，11，1，1-18（2003）
[39] Harik，G.，《使用受限锦标赛选择寻找多模态解》（Eshelman，L.J.，《第六届遗传算法国际会议论文集》（1995），Morgan Kaufmann:Morgan Koufmann San Mateo，California），24-31
[40] Herrera，F。；Lozano，M.，逐步分布式实数编码遗传算法，IEEE进化计算汇刊，4，1，43-63（2000）
[41] Herrera，F。；Lozano，M。；Verdegay，J.L.，《处理实数编码的遗传算法：行为分析的操作符和工具》，《人工智能评论》，第12、4、265-319页（1998年）·Zbl 0905.68116号
[42] Herrera，F。；Lozano，M。；Sánchez，A.M.，实数编码遗传算法的交叉算子分类法。实验研究，《国际智能系统杂志》，18，3，309-338（2003）·Zbl 1048.68067号
[43] Herrera，F。；Lozano，M。；Sánchez，A.M.，《实数编码遗传算法的混合交叉算子：实验研究》，《软计算》，9，4，280-298（2005）·Zbl 1066.68155号
[44] 埃尔瓦斯·马丁内斯，C。；Ortiz-Boyer，D.，分析CIXL2杂交后代的统计特征，软计算，9，4，270-279（2005）·兹比尔1066.68156
[45] Holland，J.H.，《自然和人工系统的适应》（1975），密歇根大学出版社，麻省理工学院出版社，伦敦，1992年·Zbl 0317.68006号
[46] Hutter，M.，《保持遗传多样性的健身统一选择》（2002年进化计算大会议事录（2002），IEEE出版社：新泽西州皮斯卡塔韦IEEE出版社），783-788
[47] Y.一川，Y.，Y.石iolland，1993年。保持多变量优化和神经网络学习遗传算法的多样性。In：程序。IEEE神经网络国际会议，加利福尼亚州旧金山，第1110-1114页。；Y.一川，Y.，Y.石iolland，1993年。保持多变量优化和神经网络学习的遗传算法多样性。In：程序。IEEE神经网络国际会议，加利福尼亚州旧金山，第1110-1114页。
[48] Kazarlis，S.A。；帕帕达基斯，S.E。；Theocharis，J.B。；Petridis，V.，作为遗传算法优化的广义爬山算子的微遗传算法，IEEE进化计算交易，5，3204-217（2001）
[49] van Kemenade，C.H.M。；Kok，J.N。；Eiben，A.E.，《通过同时调整选择压力和重组破坏性来提高遗传算法性能》，（第二届IEEE进化计算世界会议论文集（1995），IEEE出版社），345-351
[50] Kennedy，J.，Eberhart，R.C.，1995年。粒子群优化。In：程序。IEEE神经网络国际会议，新泽西州皮斯卡塔韦，1942-1948页。；Kennedy，J.，Eberhart，R.C.，1995年。粒子群优化。In：程序。《IEEE神经网络国际会议》，新泽西州皮斯卡塔韦，第1942-1948页。
[51] 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）·Zbl 1225.90162号
[52] Kita，H.，进化策略和实数编码遗传算法中的自适应比较研究，进化计算杂志，9，2，223-241（2001）
[53] Kuo，T。；Hwang，S.Y.，具有破坏性选择的遗传算法，IEEE系统、人与控制论汇刊，26，2，299-307（1996）
[54] Lee，C.-Y.，遗传算法中的Entropy-Boltzmann选择，IEEE系统、人和控制论汇刊-B部分：控制论，33，1，138-149（2003）
[55] Lee，C.-Y。；Yao，X.，基于Levy概率分布使用突变的进化编程，IEEE进化计算汇刊，8，1，1-13（2004）
[56] Liang，J.J.，Qin，A.K.，Suganthan，P.N.，Baskar，S.，2004a。具有新学习策略的粒子群优化算法。In：程序。IEEE系统人与控制论国际会议，荷兰，第3659-3664页。；Liang，J.J.，Qin，A.K.，Suganthan，P.N.，Baskar，S.，2004a。具有新学习策略的粒子群优化算法。In：程序。IEEE系统人与控制论国际会议，荷兰，第3659-3664页。
[57] Liang，J.J。；秦，A.K。；Suganthan，P.N。；Baskar，S.，《综合学习粒子群优化器的评估》，《计算机科学讲义》，3316，230-235（2004）
[58] Lozano，M。；Herrera，F。；北克拉斯诺戈尔。；Molina，D.，带交叉爬山的实码模因算法，进化计算杂志，12，3，273-302（2004）
[59] 马赫福德，S.W.，1995年。遗传算法的小生境方法。伊利诺伊大学厄本那-香槟分校伊利诺伊遗传算法实验室伊利诺伊GAL报告95001。；马赫福德，S.W.，1995年。遗传算法的小生境方法。伊利诺伊大学厄本那-香槟分校伊利诺伊遗传算法实验室伊利诺伊GAL报告95001。
[60] 松井，K.，1999年。改进遗传算法中种群多样性的新选择方法。程序。IEEE系统、人与控制论国际会议，第625-630页。；松井，K.，1999年。改进遗传算法中种群多样性的新选择方法。程序。IEEE系统、人和控制论国际会议，第625-630页。
[61] Michalewicz，Z.，《遗传算法+数据结构=进化程序》（1992），Springer-Verlag:Springer-Verlag纽约·Zbl 0763.68054号
[62] Mori，N。；吉田，J。；Tamaki，H。；Kita，H。；Nichikawa，Y.A.，遗传算法的热力学选择规则，（第二届IEEE进化计算会议（ICEC’95）（1995），IEEE出版社：IEEE出版社，纽约），188-192
[63] Moscato，P.A.，《模因算法：简介》（Corne，D.；Dorigo，M.；Glower，R.，《优化中的新思想》（1999），McGraw-Hill:McGraw-Hill London），219-234
[64] 伦德斯，J-M。；Flasse，S.P.，使用遗传算法进行全局优化的混合方法，IEEE系统、人类和控制论汇刊，26，243-258（1996）
[65] Schwefel，H.-P.，《进化与最优搜索》（1995年），威利出版社：威利纽约
[66] Shimodaira，H.，《使用大变异率和群体选择（GALME）的新遗传算法》，（人工智能工具国际会议论文集（1996），IEEE计算机学会），25-32
[67] Shimodaira，H.，《面向多样性控制的遗传算法（DCGA）：发展和实验结果》，（1999年遗传与进化计算会议论文集，Morgan Kaufmann:Morgan Koufmann San Francisco，California），603-611
[68] Siarry，P。；Berthiau，G。；Durbin，F。；Haussy，J.，《多连续变量函数全局最小化的增强模拟退火》，ACM数学软件汇刊，23，2，209-228（1997）·Zbl 0887.65067号
[69] F.J.索利斯。；Wets，R.J.B.，随机搜索技术最小化，数学运筹学，6，19-30（1981）·Zbl 0502.90070
[70] Someya，H。；Yamamura，M.，带环形搜索空间转换的稳健实数编码进化算法，软计算，9，4，254-269（2005）·Zbl 1066.68033号
[71] 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
[72] Syswerda，G.，《遗传算法中的统一交叉》（David Schaffer，J.，第三届国际遗传算法会议（1989年），Morgan Kaufmann:Morgan Koufmann San Mateo），2-9
[73] 高桥，O.，小林，S.，2001年。一种使用类交叉变异进行多模态函数优化的自适应相邻搜索。摘自：IEEE系统、人与控制论国际会议，第261-267页。；高桥，O.，小林，S.，2001年。一种使用交叉类变异的自适应邻域搜索用于多模态函数优化。摘自：IEEE系统、人和控制论国际会议，第261-267页。
[74] Ting，C.-K。；李，S.-T。；Lee，C.，通过禁忌搜索实现和谐交配策略，信息科学，156189-214（2003）
[75] Toffolo，A。；Benini，E.，多目标进化算法中的遗传多样性目标，进化计算，11，2，151-167（2003）
[76] 南筑井。；Fujimoto，Y.，具有阻塞和收缩模式的分叉遗传算法，（Forrest，S.，Proc.of the Fifth International Conference on genetic Algorithms（1993），Morgan Kaufmann Publishers：Morgan Kaufmann Publishers San Mateo San Mateo，CA），206-213
[77] Voigt，H.M。；Mühlenbein，H。；Cvetkovic，D.，繁殖者遗传算法的模糊重组，（Eshelman，L.，第六届国际遗传算法会议论文集（1995），Morgan Kaufmann:Morgan Koufmann San Francisco），104-111
[78] Whitley，D.，《GENITOR算法和选择压力：为什么基于等级的生殖试验分配是最好的》（David Schaffer，J.，第三届国际遗传算法会议（1989年），Morgan Kaufmann:Morgan Koufmann San Mateo），116-121
[79] 温特，G。；加尔文，B。；阿隆索，S。；冈萨雷斯，B。；Jiménez，J.I。；Greiner，D.，《灵活的进化代理：实数编码进化算子之间的合作与竞争》，《软计算》，9，4，299-323（2005）·兹比尔1066.68157
[80] 杨J.-M。；Kao，C.-Y.，将自适应突变和家族竞争作为函数优化器集成到遗传算法中，软计算，489-102（2000）
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。