基于聚类的多峰优化算法

动机背景

针对单目标多峰优化问题，传统的优化算法面临着局部最优解陷阱的挑战，无法充分挖掘解空间中的潜在全局最优解。
为了克服这一问题，我们提出了一种基于黎曼流形的优化方法。

目的

该方法能够在高维、复杂的解空间中灵活地搜索，并通过黎曼度量保持了解空间的几何结构。这种方法不仅具有较强的全局搜索能力，还能够快速、精确地收敛到最优解。

方法

例子1：

Initial population（初始化种群）

Neighbourhood（找到每个点的邻域点）

Compare fitness（计算适应度值）（Delete the value with small fitness in the neighborhood.）


Category coloring to classification（得到分类结果）

First class: blue [1, 2, 4]
Second category: red [0, 3]

流程图

示例图

例子2

2D Gragh Distribution of Children Points when Generation is 5：

3D Gragh Distribution of Children Points when Generation is 5：

2D Gragh Distribution of Children Points when Generation is 10

3D Gragh Distribution of Children Points when Generation is 10：

结论

1. Persistence-Based Clustering was proposed to enhance evolutionary algorithms.
2. Developing the Chaotic Evolutionary Clustering Algorithm (CECA).
3. Quickly and accurately converge to the optimal solution.