主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2021年第1期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
张贵军,何洋军,郭海锋,冯远静,徐建明.基于广义凸下界估计的多模态差分进化算法.软件学报,2013,24(6):1177-1195
基于广义凸下界估计的多模态差分进化算法
Differential Evolution Algorithm for Multimodal Optimization Based on Abstract Convex Underestimation
投稿时间:2011-12-21  修订日期:2012-04-18
DOI:10.3724/SP.J.1001.2013.04323
中文关键词:  多模态优化  广义凸  下界估计  差分进化  小生境
英文关键词:multimodal optimization  abstract convex  underestimation  differential evolution  niching
基金项目:国家自然科学基金(61075062, 50908213); 浙江省自然科学基金(LY13F030008); 浙江工业大学重中之重学科开放基金(20120811)
作者单位E-mail
张贵军 浙江工业大学 信息工程学院, 浙江 杭州 310023 zgj@zjut.edu.cn 
何洋军 浙江工业大学 信息工程学院, 浙江 杭州 310023  
郭海锋 浙江工业大学 信息工程学院, 浙江 杭州 310023  
冯远静 浙江工业大学 信息工程学院, 浙江 杭州 310023  
徐建明 浙江工业大学 信息工程学院, 浙江 杭州 310023  
摘要点击次数: 2768
全文下载次数: 2680
中文摘要:
      针对多模态优化问题,提出了基于广义凸下界估计模型的改进差分进化算法.首先,基于模型变换方法将原优化问题转变为单位单纯形约束条件下的严格递增射线凸优化问题;其次,基于广义凸理论,利用差分进化算法中更新个体的适应度知识,建立原优化问题广义凸下界估计模型,设计实现了基于N-叉树的估计模型快速计算方法;进而,综合考虑原问题目标值与其估计值之间的差异,提出一种基于有偏采样的小生境指标,并设计区域进化树更新策略来保证算法的局部搜索能力.数值实验结果表明,提出的算法能够有效地发现并维持一定数量的满意解模态,动态地实现全局模态搜索到模态内局部增强的自适应平滑过渡.对于给出的测试问题,能够发现所有的全局最优解以及一些较好的局部极值解.
英文摘要:
      In this paper, a modified differential evolution algorithm, which is based on abstract convex lower approximation, is proposed for multimodal optimization. First, the original bound constrained optimization problem is converted to an increasing convex along rays (ICAR) function over a unit simplex by using the projection transformation method. Second, based on abstract convex theory, the study builds a lower approximation to original optimization problem by using a finite subset of biased sampling points comes from the population replacement scheme in the basic DE algorithm. Some properties of underestimation model are analyzed theoretically, and an N-ary tree data structure have also been designed and implemented to solve them. Furthermore, considering the difference between the original and its underestimated function values, the paper proposes a niche identify indicator based on biased DE sampling procedure, and also design a regional phylogenetic tree replacement strategy to enhance the exploitation capacity in niche. Experimental results confirm that the proposed algorithm can distinguish between the different attraction basins, and safeguard the consequently discovered solutions effectively. For the given benchmark problems, the proposed algorithm can find all the global optimal solutions and some good local minimum solutions.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利