Cooperative Co-Evolution With Differential Grouping for Large Scale Optimization

合作协同进化（Cooperative Coevolution）是求解大规模优化算法一个有效的方法将大规模问题分解为一组组较小的子问题。而合作协同进化的关键是分解策略。

（变量之间的相互依赖可以极大影响在连续域的优化算法的性能）

CC的一个缺点是，它的性能对分解策略的选择敏感;优点是在问题维数增大时表现更好

 

 

差分分组：

一个部分加性可分解函数：

            

 

定理1：是一个加性可分的函数，如果以下条件满足：

则。

 

差分分组算法根据定理1从第一个变量开始，分别检测其他变量与第一个变量之间的交互关系，如果不可分（即具有交互关系），它从所有决策变量中将其排除，放到一个子成分中，重复这个过程，直到所有与第一变量交互的变量都被检测出来，形成第一个子成分。

 

时间复杂度：

       描述如何为所有的适应值评估（FE）计算一个上界，n为决策变量数目，m子成分变量数

在内循环（算法1的10到3行）由四个适应值评估的，其中算法1可以进一步优化，在内部循环中，没有改变，所以所需的适应值评估总数减少到2（S+）。

当适应值评估的到最大数量时，差分分组的时间复杂度为