| 基于维度缺失检测与恢复的协同进化算法 |
| Co-evolutionary algorithm based on dimension monitoring and recovery |
| 摘要点击 804 全文点击 700 |
| 查看全文 查看/发表评论 下载PDF阅读器 |
| 中文关键词 |
| 英文关键词 |
| 基金项目 |
| 作者 | 单位 | | 陈 昊 | 南昌航空大学信息工程学院,南昌航空大学无损检测技术教育部重点实验室 | | 陈 园 | | | 黎 明 | | | 李军华 | | | 张聪炫 | |
|
| 中文摘要 |
| 大规模全局优化(LSGO)问题的搜索空间会随维数增加成指数倍增长, 使用进化算法时极易出现维度缺失、进化停滞现象, 检测维度缺失并跳出停滞状态是解决 LSGO 问题的关键所在. 针对 LSGO 问题维度缺失检测复杂度高的问题, 结合协同进化算法, 将高维问题分解成多个低维子问题; 在进化过程中, 利用主成分分析对所有子问题进行维度缺失检测, 在缺失维度方向上进行拓展以达到维度恢复效果, 能有效跳出停滞状态; 进而提出一种基于维度缺失检测与恢复的协同进化算法. 对 CEC2013 的 LSGO 基准函数中不完全可分测试函数仿真实验结果表明, 提出的算法在提高收敛精度和较好维持多样性的同时, 具有较低的复杂度. |
| 英文摘要 |
| |
| 关闭 |
|
|
|
|
|
