基于雙精英種群的單目標優(yōu)化

[摘 要] 采用一種基于雙精英種群的協(xié)同進化算法對標準的測試函數(shù)進行實驗，并與FEP、OEA、MECA、SMES、RY、KM算法結(jié)果進行比較與分析，檢驗求解數(shù)值優(yōu)化問題的性能。

[關(guān) 鍵 詞] 雙精英；協(xié)同進化；優(yōu)化

[中圖分類號] G642 [文獻標志碼] A [文章編號] 2096-0603（2016）33-0131-01

一、引言

隨著研究的不斷深入以及積累，發(fā)現(xiàn)傳統(tǒng)算法在選擇操作和交叉操作中存在一些不足，以至于算法的收斂性和分布性受到影響。本文采用基于雙精英種群的精英策略來改進這些不足。

二、雙精英種群精英策略

本文是將整個種群劃分成兩個不同級別的精英種群和一個普通種群。高級別的精英種群保證精英個體的質(zhì)量，低級別的精英種群保證精英個體的均勻性。設(shè)種群規(guī)模為N，種群pop=（x1，x2，…，xN），根據(jù)種群中個體適應(yīng)度的高低，將排在種群pop前M1名的個體劃分為級別1的精英種群；種群pop中去除前M1名個體后得到種群pop2，將排在種群pop2前M2名的個體劃分為級別2的精英種群；剩余個體組成級別3的普通種群。

三、單目標優(yōu)化仿真實驗

為了驗證雙精英種群精英策略的有效性，采用標準測試函數(shù)F01、F03對DEPEA算法求解無約束優(yōu)化問題的性能，參照FEP、OEA算法的實驗設(shè)計，實驗結(jié)果如表1所示。采用標準測試函數(shù)G01、G09對DEPEA算法求解約束優(yōu)化問題的性能，參照MECA、SMES、RY、KM的實驗設(shè)計，實驗結(jié)果如表2所示。

注：粗體表示效果好。

注：粗體表示效果好，“—”表示原文獻中未做統(tǒng)計。

四、實驗結(jié)果與分析

基于雙精英種群的協(xié)同進化算法在進化過程中更加強調(diào)精英個體的作用，從而能夠保證算法的收斂速度大大加快。多樣化地采用進化算子，能夠保證種群的多樣性，降低陷入局部最優(yōu)的可能性，最終能夠改善優(yōu)化結(jié)果。

五、小結(jié)

DEPEA采用協(xié)同進化策略并結(jié)合多種交叉變異算子，更有針對性地實現(xiàn)進化，避免過度隨機化造成算法停滯以及早熟收斂等情況的出現(xiàn)，該方法提高了算法的局部搜索和全局搜索的能力，保證了種群的多樣性，降低了算法陷入局部最優(yōu)的風險，尋優(yōu)結(jié)果也因此得到了改善。

參考文獻：

[1]周丹，耿煥同，賈婷婷，等.一種基于雙精英種群的協(xié)同進化算法研究[J].計算機應(yīng)用與軟件，2015（2）：244-248.

[2]Liu J，Zhong WC，Jiao LC. An Organizational Evolutionary Algo-rithm for Numerical Optimization.IEEE Transactions on Systems，Man，and Cybernetics—Part B：Cybernetics，2007，37（4）：1052-1064.

[3]Thomas P.Runarsson，Xin Yao.Stochastic Ranking for Constra-ined Evolutionary Optimization[J].IEEE Trans.on Evolutionary Com-putation，2000，4（3）：284-294.

[4]Mezura-Montes E，Coello C A C.A simple multimembered evolution strategy to solve constrained optimization problems[J]. Evolutionary Computation，IEEE Transactions on，2005，9（1）：1-17.

[5]Yao X，Liu Y，Lin G.Evolutionary programming made faster[J].Evolutionary Computation，IEEE Transactions on，1999，3（2）：82-102.