基于概率评估差分进化的多峰值优化

• 作者: 王子佳 詹志辉
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 多峰值优化 全局最优解 演化算法 双层适应值评估概率 选择性评估 差分进化算法 历史更新经验 高效适应值评估
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 吴文俊人工智能科学技术奖论坛|Forum of Recipients of Wu Wenjun Artificial Intelligence Science and Technology Award
• 页码范围: 427-439
• 页数: 13页
• 分类号: TP18
• 语种: 中文
• DOI: 10.11992/tis.202108007

摘要

多峰值优化问题要求算法同时找到一个问题的多个全局最优解.近年来,演化算法已被广泛用于求解多峰值优化问题.然而,如何在极其有限的适应值评估次数内找到问题的多个全局最优解依然为演化算法带来了巨大的挑战.通过分析个体的历史更新经验,为每个个体赋予双层适应值评估概率,对个体进行选择性评估,从而减少算法运行过程中无效或低效的适应值评估,提出了一种基于概率评估差分进化的多峰值优化算法.实验结果显示,概率评估机制可以为算法节省更多的适应值评估次数,增加迭代过程,效果远好于其他主流的多峰值优化算法.