面向多峰优化问题的双层协同差分进化算法

• 作者: 陈宗淦 詹志辉
• 来源期刊: 计算机学报
• 关键词: 差分进化算法 协同演化 探索层 精炼层 多峰优化问题
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 1806-1823
• 页数: 18页
• 分类号: TP18
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2021.01806

摘要

多峰优化问题是一类存在多个全局最优解的复杂优化问题,不仅要求算法找到尽可能多的最优解,而且要求算法尽可能提高所找到的最优解的精度.演化计算方法是求解这类问题的重要手段.但是传统演化计算方法面临多样性和收敛性两个方面的挑战.针对这两个方面的挑战,提出了一种通过探索层和精炼层协同演化的双层协同差分进化算法.在探索层中,每个个体作为一个分布式搜索单元探索并定位到一个最优解.在协同过程中,探索层引入个体寿命机制,将耗尽寿命且定位到最优解的个体存入一个外部存档,然后重新初始化这些个体以找到更多的最优解.在精炼层中,首先对探索层输送过来的外部存档中的个体进行聚类,然后对每一个类使用经典的全局优化差分进化算法进一步提升所找到的最优解的精度.因此,探索层和精炼层分别针对多样性和收敛性挑战,通过协同演化使得算法不仅能够找到尽可能多的最优解,而且使得找到的最优解的精度尽可能高.使用目前最常用的CEC'2013标准测试集中的所有20个多峰优化问题对所提出算法的性能进行测试,并与13种表现突出的和最新的多峰优化算法进行比较.实验结果显示,所提出的双层协同差分进化算法的整体性能优于所比较的13种多峰优化算法.