大规模优化（文献学习总结）

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