计算屏幕自适应_【首发推荐】 计算机科学技术：基于自适应微分分组的大规模全局优化问题求解...

点击上方蓝字关注“中国科技论文在线”

首发优秀论文推荐

图  The 15 partially separable functions  in CEC’2010 LSGO test suites

《基于自适应微分分组的大规模全局优化问题求解》

作者

方伟，闵瑞高，周建宏

摘要：合作协同演化(Cooperative co-evolution,CC)是一种基于分治策略的算法框架,它将待求解问题分为若干小的子问题后进行分别求解。CC是目前求解大规模全局优化问题(large-scale global optimization,LSGO)的一类重要方法。如何确定问题中变量之间的关系以对问题进行合理分解是CC方法的一个重要环节。微分分组(Differential Grouping, DG)是一种用于变量分组的有效算法。全局微分分组(Global Differential Grouping, GDG)是DG方法的改进,解决了DG方法中变量关系缺失以及变量分组结果过度依赖分组阈值的问题。本文在GDG基础上提出了一种自适应微分分组(Self-adaptive Differential Grouping, SDG)方法以进一步提高大规模全局优化问题的变量分组精度。在SDG方法中,通过在问题曲面上随机采样一个点及其反向点并计算它们的函数值来自适应的设置分组阈值,这使得阈值可以根据不同函数的曲面情况来字自适应调整取值。本文还提出了自适应金字塔策略(self-adaptive pyramid allocation, SPA)来分配计算资源给每个变量分组,以提高计算资源的利用率从而提升函数的优化性能。本文在CC框架下结合SDG和SPA提出的CCSPA-SDG方法,利用$SaNSDE$算法作为优化器求解了CEC'2010的LSGO标准测试函数集。实验结果表明SDG方法在所有的20个测试函数中都得到了理想的变量分组结果。与现有的LSGO问题求解算法相比,本文所提算法的总体优化性能也能得到更好的结果。

关键词：全局优化；大规模全局优化；微分分组；合作协同；问题分解

基金项目：National Key R&D Program of China(2017YFC1601800, 2017YFC1601000);  National Natural Science Foundation of China(61673194); Key Research and Development Program of Jiangsu Province, China(BE2017630); the Postdoctoral Science Foundation of China(2014M560390)

中国科技论文在线

www.paper.edu.cn

国内最大的预印本库，免费OA论文库

教育部科技发展中心