一种极值导向的自适应演化规划.pdfVIP

第13卷 第1期 深圳信息职业技术学院学报 Vol.13 No.1 第1期 11 2015年3月 Journal of Shenzhen Institute of Information Technology Mar. 2015 文章编号：1672-6332（2015）01-0011-05 【信息技术理论研究】 一种极值导向的自适应演化规划 1 1 2 林广明 ， 唐飞 ， 卢鑫 （1. 深圳信息技术学院科研处，广东 深圳 518172；2.深圳信息职业技术学院信息技术研究所，广东 深圳 518172） 摘 要：传统的演化规划 CEP 依赖高斯变异算子 而快速演化规划 FEP 选择柯西分布作为主要的变异算 （ ） ， （ ） 子 改进的快速演化规划 IFEP 是将柯西变异算子和高斯变异算子的搜索倾向混合起来 每个父代生成两个子代 。 （ ） 。 ， 一个有柯西变异算子，另一个有高斯变异算子，然后比较这两个子代，将变现好的一个保留作为下一代 。在本文，我 们提出了一种极值导向的自适应变异算子演化规划 OSDEP ,它的基本思想是将当前最优搜索方向引入柯西变异算子 （ ） 中，在OSDEP 中每个个体在柯西变异算子作用下, 再沿着当前最优解的方向进行搜索 。大量的数值试验对OSDEP, IFEP, FEP 和 CEP进行比较 。从这些具有广泛代表性的七个测试函数的数值试验结果 ，我们可以观察到对于单峰函数、有少 数局部最优的多峰函数和有很多局部最优的多峰函数DSEP 比IFEP, FEP 和 CEP都要表现好 。 关键词：演化规划，高斯变异，柯西变异，极值导向自适应变异 中图分类号：O221 文献标识码：A 尽管演化规划(EP)最早是作为一种人工智能的 点，是它在接近最优解时收敛较慢。EP的“生成- 方法提出来[1] ，但后来它被成功用来求解数值优化 测试”设计指出变异算子从当前解生成新解的关键 和组合优化问题[2-4],[18] 。用EP来求解优化问题可用 搜索操作。在文献[6],[19]中一种基于柯西随机数的 以下两个主要步骤来解释： 变异算子被引用到EP中，并对23个测试函数进行 （1）在当前解的群体中产生变异； 了数值试验。这种带柯西变异算子的新EP对于具 （2）从当前解和变异结果群体中选择下一代 有很多局部最优的多峰函数明显优于用高斯异算子 的群体。 的传统EP（CEP）,而对于具有少数局部最优的多 这两个主要步骤可以认为传统的“生成-测 峰函数它的表现也与CEP相当。在文献[6]，[19]中 试”方法[5] 的基于群体的版本，其中变异算子可以 将这些新EP分别定义为“快速演化规划”简记FEP 看成用来“生成”新的解（子代）而选择算子用 和“改进的快速演化规划” 简记IFEP。 来“测试”那些新的解能成活下来到下一代。EP 文献[6],[19]中做了大量的数值试验比较FEP和 的公式化为了将它看成“生成-测试”方法的特殊 CEP的优缺点，试验表明柯西变异算子对于大部分 情况，为EP和其它的搜索方法建立一座桥