0、论文背景
本文提出了一个新的合作协同进化框架,能够优化大规模的不可分离问题。在问题分解和协同演化中引入了一种随机分组方案和自适应加权方法。采用了一种新的微分进化算法来代替传统的进化算法。
Yang Z, Tang K, Yao X. Large scale evolutionary optimization using cooperative coevolution[J]. Information sciences, 2008, 178(15): 2985-2999.
1、具有分组和自适应加权的CC框架
该框架的关键步骤如下:
- 设置 i = 0 ,开始一个循环。
- 将一个n维的对象向量随机分割成m个子分量(s维),n = m * s。
- 使用EA优化第 i 个子组件。
- 如果 i < m,i++,回到步骤3。
- 对每个子组件施加一个权重。优化当前总体中最好、最差和随机成员的权重向量。
- 如果满足停止条件,则停止;否则,转到下一个循环的步骤1。
该方法与之前的CC最大的区别就是:
- 动态分组(随机分组)
- 框架在每个周期后使用自适应加权进行子组件之间的共适应。
自适应加权策略背后的动机是:在所有子组件相互依赖时