知识卡片
混合算法需明确协作接口
把两种优化算法“混合”起来,关键在于说清它们之间怎样交接候选解。这里涉及三种算法:粒子群优化(PSO)全局搜索强、初期收敛快;差分进化(DE)用个体间的差向量生成新个体,局部搜索强;NSGA-Ⅱ 是一种按 Pareto 支配关系排序选择的多目标遗传算法。
书中三种方案正好代表三种交接方式:
| 方案 | 交接方式 | 设计时要说清的接口 |
|---|---|---|
| PSODE | 并行协作:一个种群按 PSO 进化,另一个按 DE 进化,靠信息分享协同 | 分享什么信息、多久分享一次 |
| 自适应切换 | 算子路由:每个个体每轮按自适应概率选用 PSO 或 DE 产生新个体 | 概率怎样随搜索调整 |
| DE + NSGA-Ⅱ | 阶段交接:DE 变异交叉得到新种群,交给 NSGA-Ⅱ 作初始种群产生下一代 | 种群在哪一步移交 |
只写“混合了 A 和 B”不足以复现或评价方案,也不能凭“混合”二字推断性能提升。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 1 0 . 3 . 1 混 合 差 分 进 化 处 理 多 目 标 优 化 问 题 · 查看原书依据
采用带有自适应参数的DE算法对初始种群进行变异和交叉操作,借助新种群标记策略对初始种群和测试种群进行支配得到新种群,将新种群作为NSGA-Ⅱ的初始种群,通过NSGA-Ⅱ产生下一代种群,进一步提升了Pareto最优解的质量。
参考来源
- 位置:《智能算法导论》第 10 章《10.3.1 混合差分进化处理多目标优化问题》(源文件:`_epub-src/EPUB/xhtml/chapter10_0008.xhtml`)
- 结论依据:PSODE 以双种群和信息分享协同进化;另一方案按自适应因子逐轮选择 PSO 或 DE;DE+NSGA-II 则将新种群作为 NSGA-II 初始种群。不同方案的协作边界可直接从交接方式区分。
- 原始内容:通过信息分享机制实现两个种群中的个体协同进化。
- 原始内容:按照概率规律使用PSO算法或DE算法来产生新的个体。
- 原始内容:将新种群作为NSGA-Ⅱ的初始种群,通过NSGA-Ⅱ产生下一代种群。