검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

A Novel Differential Evolution Algorithm Based on Local Fitness Landscape Information for Optimization Problems 최적화 문제에 대한 지역 피트니스 환경 정보에 기반한 새로운 차동 진화 알고리즘

Jing LIANG, Ke LI, Kunjie YU, Caitong YUE, Yaxin LI, Hui SONG

  • 조회수

    2

  • 이것을 인용

요약 :

돌연변이 전략의 선택은 미분 진화 알고리즘(DE)의 성능에 큰 영향을 미칩니다. 다양한 유형의 최적화 문제에 대해 서로 다른 돌연변이 전략을 선택해야 합니다. 다양한 문제에 적합한 돌연변이 전략을 선택하는 방법은 어려운 작업입니다. 이 문제를 해결하기 위해 본 논문에서는 FLIDE라고 하는 로컬 피트니스 환경을 기반으로 하는 새로운 DE 알고리즘을 제안합니다. 제안된 방법에서는 돌연변이 연산자의 선택을 안내하기 위해 적합도 환경 정보를 얻습니다. 이러한 방식으로 적절한 진화 메커니즘을 통해 다양한 문제를 해결할 수 있습니다. 또한 인구 조정 방법을 사용하여 검색 능력과 인구 다양성의 균형을 맞춥니다. 한편으로 초기 단계의 인구 다양성은 상대적으로 많은 인구로 인해 향상됩니다. 한편, 계산 비용은 상대적으로 적은 인구로 나중 단계에서 감소합니다. 탐색 방향을 안내하기 위해 진화 정보를 최대한 활용한다. 제안된 방법은 서로 다른 특성을 가진 30개의 테스트 함수에 대해 XNUMX개의 인기 있는 알고리즘과 비교됩니다. 실험 결과는 제안된 FLIDE가 고차원 문제에 더 효과적임을 보여줍니다.

발행
IEICE TRANSACTIONS on Information Vol.E106-D No.5 pp.601-616
발행일
2023/05/01
공개일
2023/02/13
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2022DLP0010
원고의 종류
Special Section PAPER (Special Section on Deep Learning Technologies: Architecture, Optimization, Techniques, and Applications)
범주
핵심 방법

작성자

Jing LIANG
  Zhengzhou University
Ke LI
  Zhengzhou University
Kunjie YU
  Zhengzhou University
Caitong YUE
  Zhengzhou University
Yaxin LI
  Zhengzhou University
Hui SONG
  RMIT University

키워드