An Improved Differential Evolution with a Novel Restart Mechanism
来源:互联网 发布:胡杨网络 天津 编辑:程序博客网 时间:2024/06/10 01:48
An Improved Differential Evolution with a Novel Restart Mechanism
1.算法背景及策略:
提出目的是为了缓解过早的收敛和停滞。算法策略:(1)开发了组合局部突变策略,通过使用两种局部突变策略来改善DE的利用。(2)提出了一种新的重启机制,通过使用优秀个体搜索超矩形,并以搜索空间随机生成的概率来代替下级个体,从而提高人口多样性并利用优势个人的有用信息。(3)因为对于参数设置,常数值不能适应所有问题,随机方法[15]不能适应不同的进化阶段,而自适应方法总是产生昂贵的计算成本。应用简单有效的方法来调整控制参数。
2.算法步骤:
(1)初始化:在搜索空间内随机生成初始种群(population)P0
x0i,j=αj+rand(0,1)∗(bj−αj)
i=1,…,NP
(2)组合局部变异策略(Combined Local Mutation Strategy):
使用两个局部变异算子DE/current−to−pbest/1 , DE/pbest/1 有着更强大的能力去利用种群可能有希望的信息。DE/current−to−pbest/1 变异算子有更大的能力去探索搜索空间。
k是循环次数决定用哪个算子产生变异个体
GT是一个阈值,对于GT过大可能导致收敛过慢,过小又会造成过早收敛。
x⃗ Gpbest表示从前p%这一种群中随机挑选的个体
x⃗ Gr1优于x⃗ Gr2,不然交换它们位置
p一般被设为0.1
(3)交叉(与原DE算法相同)
(4)选择(与原DE算法相同)
(5)重启机制(Restart Mechanism)
重启机制可以预防DE算法落入局部最优这一状况,避免过早收敛,停滞。
重启机制触发:设置阈值KT ,初始k=0 每迭代一次k=k+1 ,当k=KT 执行重启机制,并令k=0 。
根据适应值从高到底排序种群(PG )个体,把种群分为3个子种群,superior(Ps) ,general(Pg) ,inferior(PI) 分别占比p ,1−2p ,p .
建立超矩阵∏Di=1[li,ui] ,li,ui 是PS 种群第i维的最小值与最大值。
生成相反的亚群Pso :
根据Pso ,Ps 适应值高的优先个体形成种群,与Ps 相同大小,取代Ps 。
对于每个满足x⃗ Gi∈Pg 的个体,有pi 的概率不被初始化为新个体。概率p定义如下:pi=fi−fminfmax−fmin
fi,fmaxandfmin 是 x⃗ Gi 的fitness值
对于PI 所有个体,都要被初始化替换成新个体。
(6)参数设置
F 被认为在[0.4,0.95]中.
Cr 对于可分离的问题应该在[0.0,0.2]中,对于不可分离和多模态问题,应该在[0.9,1]中。
与缩放因子F不同,交叉率Cr对问题非常敏感。 因此使用随机方法设置F,使用自适应方法设置Cr。
由于DE / current-to-pbest / 1和DE / pbest / 1分别负责全局探索和本地利用搜索空间,所以F1 和F2 分别是[0.5,0.95]和[0.4,0.8]。
初始Cr 均值为0.5,使用Adaptive differential evolution algorithm with novel mutation strategies in multiple sub-populations里的方法生成自适应Cr 参数
对于阈值,为了简单起见GT=2KT/3 ,一般的GT 在[KT/2,2KT/3] 之间,KT 在[300,700]之间较好。
3.结论:
为了提高DE算法的性能,提出新的DE变体(NRDE),通过开发组合局部突变策略,重启机制和简单有效的参数设置。 组合的局部突变策略首先设计为通过使用两种局部突变策略来增强DE的利用。 然后,通过使用优秀个体搜索超矩形,并通过从搜索空间随机生成的一个概率来替代劣势个体,开发了一种新的重启机制,以缓解过早收敛和停滞。 此外,使用简单有效的方法来保持DE的鲁棒性,并在设置参数期间节省计算成本。 最后用NRDE与四种DE变体的比较,结果表明NRDE非常有竞争力。
阅读全文
0 0
- An Improved Differential Evolution with a Novel Restart Mechanism
- An Improved Differential Evolution Algorithm for Unconstrained Optimization Problems
- Cooperative Co-Evolution With Differential Grouping for Large Scale Optimization
- Improved Performance with a Connection Pool
- [翻译]Differential Evolution – A Simple and Efficient Heuristic for Global Optimization over Continuou
- differential evolution代码实例(DE算法)
- 差分进化算法(Differential Evolution)
- 差分进化算法(Differential Evolution)
- 差分进化算法(Differential Evolution)
- 差分进化(Differential Evolution,DE)
- Improved Performance with a Connection Pool (转)
- [文献阅读] METEOR: An Automatic Metric for MT Evaluation with Improved Correlation with Human Judgments
- one recursive approach for 3, hdu 1016 (with an improved version) , permutations, N-Queens puzzle
- An Interview with A. Stepanov
- 差分进化算法(Differential Evolution) JAVA代码样例
- A new boosting algorithm for improved time-series forecasting with recurrent neural networks
- An Improved Test Case Generation Method for Web Service Testing from WSDL-S and OCL with Pair-wise Testing Technique
- 10A event mechanism
- SpringBoot详解(四)-优雅地处理日志
- maven
- POI导出Excel
- 【008】Java语言(环境变量配置-技巧)
- loadrunner Web_类函数之web_convert_date_param()
- An Improved Differential Evolution with a Novel Restart Mechanism
- Intersection of Two Linked Lists(两条链表有无交点)
- 小明A+B HDU
- 移动端Vin码识别-车架号识别SDK
- 笔记--解析xml
- 学习HTML第一周(二)
- 枚举
- sklearn中支持向量机的参数
- half-consecutive(未AC)