多精英采樣與個(gè)體差分學(xué)習(xí)的分布估計(jì)算法
發(fā)布時(shí)間:2021-12-29 21:48
提出了基于多精英采樣和差分搜索的分布估計(jì)算法EDA-M/D (Estimation distribution algorithm based on multiple elites sampling and individuals differential search)。EDA-M/D利用多精英個(gè)體獨(dú)立采樣生成子代來(lái)提升算法全局搜索能力,利用精英群體分布的σ2約束采樣半徑,實(shí)現(xiàn)種群從全局搜索逐步過(guò)度到局部搜索。當(dāng)精英群體停滯時(shí),劣勢(shì)個(gè)體借助精英群體的?和種群歷史最優(yōu)解進(jìn)行差分搜索,幫助種群跳出局部最優(yōu)解。通過(guò)多精英采樣與差分搜索的自適應(yīng)協(xié)同實(shí)現(xiàn)種群宏觀信息與個(gè)體微觀信息的有機(jī)融合。實(shí)驗(yàn)結(jié)果表明EDA-M/D在穩(wěn)定性和搜索能力方面均表現(xiàn)出明顯的優(yōu)勢(shì)。
【文章來(lái)源】:系統(tǒng)仿真學(xué)報(bào). 2020,32(03)北大核心CSCD
【文章頁(yè)數(shù)】:12 頁(yè)
【部分圖文】:
多精英個(gè)體采樣與傳統(tǒng)EDA采樣結(jié)果對(duì)比Fig.1Comparisonresultbetweenmultipleelitessampling
第32卷第3期系統(tǒng)仿真學(xué)報(bào)Vol.32No.32020年3月JournalofSystemSimulationMar.,2020http:∥www.china-simulation.com386式中:Lp用以控制劣勢(shì)個(gè)體第j個(gè)基因位執(zhí)行修復(fù)操作的概率。類似的,對(duì)新生成的子個(gè)體也采用式(9)的貪心策略保留個(gè)體。EDA-M/D在上述2個(gè)策略中均采用式(9)所示的貪心保留策略可用圖2來(lái)表示。可以看出,通過(guò)當(dāng)代精英個(gè)體并行獨(dú)立采樣得到新的子個(gè)體后,若采用EDA常用的保留策略,則距離全局最優(yōu)解最近的精英個(gè)體(即圖中左下角的精英個(gè)體)采樣得到的子代個(gè)體會(huì)因?yàn)榱佑诹硗?個(gè)精英個(gè)體及相應(yīng)采樣得到的子個(gè)體而被拋棄掉,這也使得子代種群遠(yuǎn)離了全局最優(yōu)解而陷入了局部最優(yōu)。反之,若采用式(9)所示的保留策略,距離全局最優(yōu)解附近的精英個(gè)體采樣得到的子代個(gè)體盡管適應(yīng)值并非屬于精英群體,但依然會(huì)被保留下來(lái),從而保證了種群的全局搜索能力。圖2貪心保留策略示意圖Fig.2Processofgreedyreservationstrategy2.3劣勢(shì)個(gè)體差分學(xué)習(xí)通過(guò)上述MES和NGR策略生成第t+1代的個(gè)體后,若新種群中的E個(gè)精英的適應(yīng)值與t–1代中的E個(gè)精英的適應(yīng)值完全相同,則說(shuō)明基于上述子代生成策略無(wú)法挖掘有益信息指導(dǎo)種群的搜索,本文將這種情況視為精英群體出現(xiàn)停滯。當(dāng)精英群體連續(xù)停滯代數(shù)stay達(dá)到設(shè)定閾值staymax時(shí),N–E個(gè)劣勢(shì)個(gè)體(1,2,,)ktiXkEEN向式(5)所示的精英分布概率模型的t1j和當(dāng)前種群最優(yōu)個(gè)體1111bestbest,1best,2best,[,,,]ttttDxxxX進(jìn)行差分學(xué)習(xí)來(lái)產(chǎn)生新的個(gè)體kiTmpX學(xué)習(xí)方式如式(11)所示。該學(xué)習(xí)方式的意義
對(duì)比算法在CEC2017測(cè)試集上的收斂過(guò)程對(duì)比f(wàn)29f30
【參考文獻(xiàn)】:
期刊論文
[1]基于一般二階混合矩的高斯分布估計(jì)算法[J]. 任志剛,梁永勝,張愛(ài)民,龐蓓. 自動(dòng)化學(xué)報(bào). 2018(04)
[2]基于概率分布的多峰演化算法[J]. 陳偉能,楊強(qiáng). 計(jì)算機(jī)研究與發(fā)展. 2017(06)
[3]改進(jìn)的正態(tài)分布的分布估計(jì)算法[J]. 邱玲,高尚,曹存根. 計(jì)算機(jī)科學(xué). 2015(08)
[4]基于高斯分布估計(jì)的細(xì)菌覓食優(yōu)化算法[J]. 劉小龍,李榮鈞,楊萍. 控制與決策. 2011(08)
[5]分布估計(jì)算法綜述[J]. 周樹(shù)德,孫增圻. 自動(dòng)化學(xué)報(bào). 2007(02)
本文編號(hào):3556918
【文章來(lái)源】:系統(tǒng)仿真學(xué)報(bào). 2020,32(03)北大核心CSCD
【文章頁(yè)數(shù)】:12 頁(yè)
【部分圖文】:
多精英個(gè)體采樣與傳統(tǒng)EDA采樣結(jié)果對(duì)比Fig.1Comparisonresultbetweenmultipleelitessampling
第32卷第3期系統(tǒng)仿真學(xué)報(bào)Vol.32No.32020年3月JournalofSystemSimulationMar.,2020http:∥www.china-simulation.com386式中:Lp用以控制劣勢(shì)個(gè)體第j個(gè)基因位執(zhí)行修復(fù)操作的概率。類似的,對(duì)新生成的子個(gè)體也采用式(9)的貪心策略保留個(gè)體。EDA-M/D在上述2個(gè)策略中均采用式(9)所示的貪心保留策略可用圖2來(lái)表示。可以看出,通過(guò)當(dāng)代精英個(gè)體并行獨(dú)立采樣得到新的子個(gè)體后,若采用EDA常用的保留策略,則距離全局最優(yōu)解最近的精英個(gè)體(即圖中左下角的精英個(gè)體)采樣得到的子代個(gè)體會(huì)因?yàn)榱佑诹硗?個(gè)精英個(gè)體及相應(yīng)采樣得到的子個(gè)體而被拋棄掉,這也使得子代種群遠(yuǎn)離了全局最優(yōu)解而陷入了局部最優(yōu)。反之,若采用式(9)所示的保留策略,距離全局最優(yōu)解附近的精英個(gè)體采樣得到的子代個(gè)體盡管適應(yīng)值并非屬于精英群體,但依然會(huì)被保留下來(lái),從而保證了種群的全局搜索能力。圖2貪心保留策略示意圖Fig.2Processofgreedyreservationstrategy2.3劣勢(shì)個(gè)體差分學(xué)習(xí)通過(guò)上述MES和NGR策略生成第t+1代的個(gè)體后,若新種群中的E個(gè)精英的適應(yīng)值與t–1代中的E個(gè)精英的適應(yīng)值完全相同,則說(shuō)明基于上述子代生成策略無(wú)法挖掘有益信息指導(dǎo)種群的搜索,本文將這種情況視為精英群體出現(xiàn)停滯。當(dāng)精英群體連續(xù)停滯代數(shù)stay達(dá)到設(shè)定閾值staymax時(shí),N–E個(gè)劣勢(shì)個(gè)體(1,2,,)ktiXkEEN向式(5)所示的精英分布概率模型的t1j和當(dāng)前種群最優(yōu)個(gè)體1111bestbest,1best,2best,[,,,]ttttDxxxX進(jìn)行差分學(xué)習(xí)來(lái)產(chǎn)生新的個(gè)體kiTmpX學(xué)習(xí)方式如式(11)所示。該學(xué)習(xí)方式的意義
對(duì)比算法在CEC2017測(cè)試集上的收斂過(guò)程對(duì)比f(wàn)29f30
【參考文獻(xiàn)】:
期刊論文
[1]基于一般二階混合矩的高斯分布估計(jì)算法[J]. 任志剛,梁永勝,張愛(ài)民,龐蓓. 自動(dòng)化學(xué)報(bào). 2018(04)
[2]基于概率分布的多峰演化算法[J]. 陳偉能,楊強(qiáng). 計(jì)算機(jī)研究與發(fā)展. 2017(06)
[3]改進(jìn)的正態(tài)分布的分布估計(jì)算法[J]. 邱玲,高尚,曹存根. 計(jì)算機(jī)科學(xué). 2015(08)
[4]基于高斯分布估計(jì)的細(xì)菌覓食優(yōu)化算法[J]. 劉小龍,李榮鈞,楊萍. 控制與決策. 2011(08)
[5]分布估計(jì)算法綜述[J]. 周樹(shù)德,孫增圻. 自動(dòng)化學(xué)報(bào). 2007(02)
本文編號(hào):3556918
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3556918.html
最近更新
教材專著