外文翻譯--差分演化的最新進(jìn)展：一項(xiàng)調(diào)查和實(shí)驗(yàn)分析(中文-資料下載頁(yè)
2025-05-12 07:05本頁(yè)面
【導(dǎo)讀】摘要差分演化是一種簡(jiǎn)單而有效的優(yōu)化,尤其是持續(xù)優(yōu)化。因此差分演化經(jīng)常用于解。另一方面,差分演化結(jié)構(gòu)在搜索邏輯中有一些限制,因?yàn)樗艘惶子芯?。這一事實(shí)啟發(fā)許多計(jì)算機(jī)科學(xué)家通過(guò)提出對(duì)原始算法的修改來(lái)改善差分演。本文介紹了差分演化最近的進(jìn)展概況。在差分演化結(jié)構(gòu)中集成附加組件的算法。于每個(gè)宏組,四個(gè)算法代表差分演化中最先進(jìn)的部分，已經(jīng)被選來(lái)深入描述它們的工作原理。為了比較他們的性能,這八個(gè)算法已被用來(lái)測(cè)試一組基準(zhǔn)問(wèn)題。這篇論文也突出了最近提出的差分演化算法的工作原。這些額外的修改應(yīng)該幫助差分演化框架檢測(cè)能為其所用的。因此,在成功協(xié)助差分演化方面，有限的使用這些替代方法似乎是。為顯著改進(jìn)差分演化的功能適當(dāng)?shù)脑黾与S機(jī)化是至。數(shù)值結(jié)果顯示,在這項(xiàng)研究中設(shè)計(jì)的算法，在一個(gè)差分演化框架中被認(rèn)為最有效。差分演化使用了一個(gè)一對(duì)一的產(chǎn)卵邏輯在后代優(yōu)于它的相應(yīng)的父時(shí)允許更換一個(gè)個(gè)體。
【正文】 出的大多數(shù)修改差分演化的方案是適應(yīng)或自適應(yīng)。在 Das and Konar (2020) 和 Das et al.(2020)中提出了一個(gè)簡(jiǎn)單的處理噪聲的修改方 案 。 一 個(gè) 隨 機(jī) 比 例 因 子 根 據(jù) 以 下 公 式 已 經(jīng) 被 使 用 ： 其中 rand（ 0,1）是一個(gè)在（ 0,1）均勻分布的隨機(jī)數(shù)，使用比例因子隨機(jī)化不僅有益于噪聲問(wèn)題也有益于固定問(wèn)題。雖然這個(gè)話(huà)題計(jì)算機(jī)科學(xué)家尚不清楚，一個(gè)隨機(jī)化的比例因子補(bǔ)償一個(gè)標(biāo)準(zhǔn)化差分演化結(jié)構(gòu)的過(guò)度確定性搜索結(jié)構(gòu)，提供新潛在的搜索行動(dòng)。在 Das et al. (2020) 中，又提出了一個(gè)時(shí)變的比例因子。根據(jù)后者的提議 , 在優(yōu)化過(guò)程下降比例因子值會(huì)有高質(zhì)量的最終結(jié)果。對(duì)于這種成功機(jī)制的解釋可以被看作是在進(jìn)化中的一個(gè)漸進(jìn)的縮小搜索 ,因此一個(gè)探索行為在結(jié)束時(shí)的優(yōu)化可能伴隨停滯。 在 R246。nkk246。nen and Lampinen (2020), Omran et al. (2020) 和 Salman et al. (2020)中按照類(lèi)似的想法，為了實(shí)現(xiàn)參數(shù) F和 CR的自適應(yīng)采用了正態(tài)分布，自適應(yīng)的柯西分布。在 Zhenyu et al. (2020)中提出了另一種類(lèi)型的 帶有混沌突變的自適應(yīng)。在 Ali and Fatti (2020)中 , 在理論研究的基礎(chǔ)上嘗試用確定概率法描述差分演化突變機(jī)制是 ,它是產(chǎn)生后代的概率方法。在論文 Nearchou and Omirou (2020)中 , 一個(gè)隨機(jī)算子集成在個(gè)差分演化框架中，來(lái)提高差分演化在組合優(yōu)化中的表現(xiàn)。 另一方面，在差分演化中使用隨機(jī)化并不總是有利的。例如，論文 Qing (2020) 表明 , 經(jīng)過(guò)比較分析 ,應(yīng)避免使用隨機(jī)向量基底。在 Ali and T246。rn (2020)中并沒(méi)有用到隨機(jī)化，它提出了最佳適應(yīng)。已經(jīng)實(shí)現(xiàn)了一個(gè) 系統(tǒng)有兩個(gè)進(jìn)化種群。經(jīng)實(shí)證研究后這個(gè)交叉率 CR 已經(jīng)設(shè)置等于 。與 CR不同 , F值是通過(guò)以下方案在每一代中自適應(yīng)更新 : 其中 F的下限 lmin = ， fmin和 fmax是群體中最恰當(dāng)?shù)淖钚≈岛妥畲笾?。? Yang et al. (2020b,b) 中提出了領(lǐng)域搜索。在領(lǐng)域搜索中，比例因子 F由概率抽樣值的分布來(lái)調(diào)整。這種突變?cè)陬I(lǐng)域搜索中遵循進(jìn)化編程決定的邏輯 : 其中 N (, ) 是采樣值的正態(tài)分布，平均值和標(biāo)準(zhǔn)偏差為 ， δ 是柯西分布一個(gè)樣值。它的特點(diǎn)是一個(gè)尺度參數(shù)等于 1。 在論文 Liu and Lampinen (2020b,c), Liu and Lampinen (2020)中提出了一個(gè)模糊控制器的自適應(yīng)設(shè)置參數(shù)的集成的差分演化。在 Teo (2020, 2020)中首次提出了關(guān)于自適應(yīng)種群規(guī)模的嘗試。 最近在論文 Teng et al. (2020)中提出了改善自適應(yīng)種群規(guī)模的兩個(gè)不同實(shí)現(xiàn)方法。在 Sing et al. (2020)中提出了三種相同方式的差分演化的修改版。在 Tirronen and Neri (2020)中提出了一個(gè)多樣性適應(yīng)種群規(guī)模和其他參數(shù)。在 Zielinski et al. (2020)中給出了差分演化采用的一些自適應(yīng)方案的比較分析。
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1