计算机工程

作者：王彬, 张娇, 李薇, 王晓帆, 金海燕

单位：1. 西安理工大学计算机科学与工程学院, 陕西 西安 7100482. 西安理工大学陕西省网络计算与安全技术重点实验室, 陕西 西安 710048

关键词：协同进化,大规模优化问题,两阶段动态分组,贡献信息,精英子组件

基金：国家自然科学基金(U21A20524); 国家自然科学基金(62272383)

协同进化框架是解决大规模全局优化问题的有效方法, 设计合理的决策变量分组方法是提高协同进化算法性能的关键, 而利用精英决策变量动态构建精英子组件可以有效提高进化效率, 但在进行大规模优化时, 其可能将无关的变量分配到同一子组件, 从而无法充分利用分组提高协同进化效率。针对该问题, 提出一种精英贡献两阶段动态分组算法(EC-TSDG)。在分组前阶段, 对变量进行随机分组, 评估变量的贡献程度, 从众多变量中寻找精英贡献变量; 在分组后阶段, 利用变量的相关关系寻找与精英决策变量存在相互作用的剩余变量, 并将其合并形成精英子组件, 使得精英子组件内部的变量两两相关, 以此提高变量分组的准确性以及算法的收敛速度, 避免子组件之间的相关干扰。最后, 采用具有外部存档的自适应差分进化算法作为优化器进化各个子组件。在CEC'2013测试集上与其他先进算法进行比较, 实验结果表明, EC-TSDG收敛速度快于对比算法, Friedman检验值为1.43, 平均排序较对比的动态分组算法DCC平均提升36.78%。

来源：2024年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第7期