×
爱德华多·塞格雷多；爱德华多·拉拉·鲁伊斯；艾玛·哈特；沃·斯特凡

一种基于相似性的邻域搜索，用于增强差异进化的平衡探索利用。 （英语） Zbl 1458.90653号

计算。操作。物件。 117，文章ID 104871，15 p.（2020）.
摘要：基于搜索的优化算法的成功取决于在搜索过程中适当平衡探索和开发机制。我们引入了一种机制，该机制可与差异进化（DE）算法结合使用，根据当前进展自适应地管理多样化和强化阶段之间的平衡。该方法——基于相似性的邻域搜索（SNS）——使用从测量决策空间中解决方案之间的欧氏距离中获得的信息，自适应地影响创建新解决方案时使用的邻域的选择。SNS集成到JADE的探索性和开发性变体中，JADE是最常用的自适应DE方法之一。此外，SHADE是另一种最先进的自适应DE变体，也被用来评估新型SNS的性能。使用一组众所周知的大规模连续问题进行了彻底的实验评估，结果表明，结合SNS可以显著提高DE的探索性变体和开发性变体在广泛考虑的测试用例中的性能。该方法还显示出优于与最近提出的全局搜索程序混合的DE变体，该程序旨在加快该算法的收敛速度。

MSC公司：

90 C59 数学规划中的近似方法和启发式
90C06型 数学规划中的大尺度问题

关键词：

差异演化；全局搜索；多样性管理；探索；剥削；大规模连续优化

软件：

METCO公司；玉
PDF格式BibTeX公司 XML格式引用
\textit{E.Segredo}等人，计算。操作。第117号决议，文章ID 104871，15页（2020年；Zbl 1458.90653）
全文： 内政部

参考文献：

[1] 乔里宾舍克，M。；刘，S.-H。；Mernik，M.，《进化算法的探索与开发：一项调查》，ACM Compute。调查。，45, 3, 35:1-35:33 (2013) ·Zbl 1293.68251号
[2] 达斯，S。；亚伯拉罕。；Konar，A.，《粒子群优化和差分进化算法：技术分析、应用和混合视角》（Liu，Y.；Sun，A.；Loh，H.T.；Lu，W.F.；Lim，E.-P.，《工业系统中计算智能的进展》（2008），斯普林格：斯普林格-柏林，海德堡），1-38
[3] 达斯，S。；Mullick，S.S。；Suganthan，P.，差异进化的最新进展——最新调查，Swarm Evol。计算。，27, 1-30 (2016)
[4] 加西米，M。；阿盖伊，J。；阿克巴里，E。；Ghavidel，S。；Li，L.，用于各种类型多区域经济调度问题的差分进化粒子群优化器，能源，107，182-195（2016）
[5] 郭，H。；李毅。；李，J。；Sun，H。；王，D。；Chen，X.，基于模拟退火的自适应控制参数改进差分进化，Swarm Evol。计算。，19, 52-67 (2014)
[6] 郭，Z。；刘，G。；李，D。；Wang，S.，带全局邻域搜索的自适应差分进化，软计算。，2123759-3768（2017）
[7] 卡拉弗提亚斯，G。；Hoogendoorn，M。；进化算法中的参数控制：趋势和挑战，IEEE Trans。进化。计算。，19, 2, 167-187 (2015)
[8] Kazimipour，B。；李，X。；秦，A.，人口初始化对大规模优化差异进化的影响，2014年IEEE进化计算大会（CEC），2404-2411（2014）
[9] 科瓦切维奇，D。；Mladenović，N。；彼得罗维奇，B。；Milošević，P.，DE-VNS：带交叉邻域搜索的自适应差分进化，用于连续全局优化，计算。操作。决议，52，157-169（2014）·兹伯利1348.90527
[10] 拉托雷，A。；Muelas，S。；Peña，J.M.，《大规模全局优化器的综合比较》，《信息科学》。，316, 517-549 (2015)
[11] 莱昂，C。；米兰达·G。；Segura，C.，METCO：基于并行插件的多目标优化框架，Int.J.Artif。智力。工具，18，04，569-588（2009）
[12] 李，X。；Tang，K。；奥米德瓦尔，M。；杨，Z。；Qin，K.，CEC 2013年大型全局优化专题会议和竞赛的基准函数，技术报告（2013），澳大利亚皇家墨尔本理工大学进化计算和机器学习小组
[13] Lozano，M。；加西亚·马丁内斯（García-Martínez，C.），《强化和多样化进化算法的混合元启发式：概述和进度报告》，计算。操作。研究，37，3，481-497（2010）·Zbl 1173.90590号
[14] 马哈达维，S。；Shiri，M.E。；Rahnamayan，S.，《大规模全球持续优化中的元启发式：一项调查》，《信息科学》。，295, 407-428 (2015)
[15] Neri，F。；Tirronen，V.，《差异进化的最新进展：调查和实验分析》，Artif。智力。版本：33、1、61-106（2010）
[16] 帕罗哈，R.P。；Das，K.N.，用于连续优化问题的基于健壮内存的混合差分进化，Knowl。基于系统。，103, 118-131 (2016)
[17] 塞格雷多，E。；Paechter，B。；塞古拉，C。；González-Vila，C.I.，《关于大规模优化差异进化中初始化策略的比较》，Optim。莱特。，12, 1, 221-234 (2018) ·Zbl 1391.90412号
[18] 塞古拉，C。；科埃洛·科埃洛，C.A。；塞格雷多，E。；Aguirre，A.H.，一种新的基于多样性的进化算法替换策略，IEEE Trans。赛博。，46, 12, 3233-3246 (2016)
[19] 塞古拉，C。；科埃洛·科埃洛，C.A。；塞格雷多，E。；León，C.，《关于差异进化中突变尺度因子的适应性》，Optim。莱特。，9, 1, 189-198 (2015) ·Zbl 1316.90070号
[20] 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》，J.global Optim。，11, 4, 341-359 (1997) ·Zbl 0888.90135号
[21] Tanabe，R。；Fukunaga，A.，《基于连续历史的差分进化参数自适应》，2013年IEEE进化计算大会，71-78（2013）
[22] 特里维迪，A。；Srinivasan，D。；比斯瓦斯，S。；Reindl，T.，将遗传算法与差分进化相结合，用于解决机组组合调度问题，Swarm Evol。计算。，23, 50-64 (2015)
[23] Tvrdík，J。；波兰科娃，R。；韦塞尔斯克，J。；Bujok，P.，《差分进化的自适应变体：走向无控制参数优化器》（Zelinka，I.；Snášel，V.；Abraham，A.，《优化手册：从古典到现代方法》（2013），施普林格：施普林格柏林，海德堡），423-449
[24] Wang，H。；Sun，H。；李，C。；Rahnamayan，S。；Pan，J.-S.，《带邻域搜索的多样性增强粒子群优化》，《信息科学》。，223, 119-135 (2013)
[25] Wang，Y。；蔡，Z。；Zhang，Q.，带复合试验向量生成策略和控制参数的差分进化，IEEE Trans。进化。计算。，15, 1, 55-66 (2011)
[26] Wu，G。；沈，X。；李，H。；陈，H。；Lin，A。；Suganthan，P.N.，差异进化变体的集合，《信息科学》。，423, 172-186 (2018)
[27] Xin，B。；陈，J。；张杰。；方，H。；Peng，Z.-H.，《将差分进化和粒子群优化结合起来设计强大的优化器：综述和分类》，IEEE Trans。系统。伙计，赛本。C部分（申请版本），42，5，744-767（2012）
[28] 徐，Q。；王，L。；Wang，N。；Hei，X。；赵立，《2005-2012年对立学习述评》，《工程应用》。Artif公司。智力。，29, 1-12 (2014)
[29] 张杰。；Sanderson，A.C.，JADE：带可选外部档案的自适应差分进化，IEEE Trans。进化。计算。，13, 5, 945-958 (2009)
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。