大规模优化问题是什么?
大规模优化问题通常具有决策变量维度高、目标函数结构复杂、约束条件数量庞大的特点。通常大规模优化问题的决策变量维度要大于100.
如何求解大规模多目标优化问题?
求解大规模优化问题的方法大体可以分为三类:1.协同进化(分组)、2.决策变量分类、3.问题转换
协同进化算法就是将一个种群分为多个子群进行单独优化,对于协同进化算法来说,分解策略和进化策略的选择,全局搜索和局部搜索的平衡等对算法表现有重要影响。
协同进化:把原始的大规模问题分解为一系列低维度的子问题,每个子部分单独进化,只有在迭代过程中交换信息,合作产生适应度值。
协同进化算法可以分为两类:基于静态分组的协同进化算法、基于动态分组的协同进化算法(包括随机动态分组和学习动态分组)
协同进化可参考的文献:CCGDE3等
决策变量分类可参考的文献:MOEA/DVA,LMEA,S3CMAES等
问题转换可参考的文献:WOF,LSMOF等