知识卡片
自适应DE依据反馈调参数与策略
差分进化(DE)有两个核心控制参数:缩放因子 F 决定差向量被放大多少,F 越大一步跳得越远;交叉概率 CR 是新个体的分量取自变异个体而非父代的概率。固定取值很难适应整个搜索过程,自适应 DE 就根据搜索中的反馈来改它们。
不同方案的差别在于“看什么反馈、改什么对象”:
| 方案 | 反馈信号 | 调整对象 |
|---|---|---|
| SPDE | 随进化自适应 | 变异概率与交叉概率 |
| ADEA | 当前 Pareto 前沿数量与解的多样性 | F;CR 全程不变 |
| Wang 等 | 个体经 5 次进化仍未产生优秀个体 | 该个体的 F 和 CR |
| MOSDE | 每次随机选用三种差分策略之一 | 各策略独立的自适应 F_s、CR_s |
| SADEMOO | 一定代数内新个体的优劣 | F 的大/中/小三种分布被选中的概率 |
| PADE | 进化进程 | CR 逐步调整,增强挖掘 |
Pareto 前沿指多目标问题中互不支配的一组折中解。表中各方案依赖的信号不同,不能混成同一套固定规则,具体机制须针对问题验证。
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 . 2 自 适 应 差 分 进 化 处 理 多 目 标 优 化 问 题 · 查看原书依据
ADEA在每一次迭代过程中会根据当前Pareto前沿数量和当前解的多样性,计算自适应参数F,以调整算法搜索范围的大小,从而找到Pareto解。
参考来源
- 位置:《智能算法导论》第 10 章《10.3.2 自适应差分进化处理多目标优化问题》(源文件:`_epub-src/EPUB/xhtml/chapter10_0009.xhtml`)
- 结论依据:SPDE 使变异和交叉算子自适应演化并传递;ADEA 用前沿数量与解集多样性调整 F;其他方案按连续无改进或策略选择调整 F/CR。不同调整依赖特定反馈信号,不应混成同一固定机制。
- 原始内容:ADEA在每一次迭代过程中会根据当前Pareto前沿数量和当前解的多样性,计算自适应参数 F。
- 原始内容:如果一个个体经过5个进化操作后依然没有产生优秀的个体,则该个体对应的缩放因子 F 和交叉概率CR需要调整。
- 原始内容:上述3种策略分别拥有独立的自适应参数 F s 和CR s,s =1,2,3,分别对应3种差分进化策略。
- 位置:《智能算法导论》第 10 章《10.4.2 基于差分进化算法的有限缓冲区调度》(源文件:`_epub-src/EPUB/xhtml/chapter10_0012.xhtml`)
- 结论依据:本节说明 PADE 在进化中不断调整交叉率 CR;这补充了按搜索阶段改变控制参数的实例,但原文未给更新公式。
- 原始内容:参数CR在进化过程中不断调整,逐渐增强挖掘能力。