基于云推理的协方差矩阵自适应进化策略算法.PDFVIP

第３３卷第８期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．８ ２０１６年８月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｕｇ．２０１６ 基于云推理的协方差矩阵自适应进化策略算法 乔　帅　续欣莹　阎高伟 （太原理工大学信息工程学院　山西太原０３００２４） 摘　要　　针对协方差矩阵自适应进化策略（ＣＭＡＥＳ）在求解某些问题时存在早熟收敛、精度不高等缺点，通过利用云模型良好的 不确定性问题处理能力对ＣＭＡＥＳ的步长控制过程进行改进，得到一种基于云推理的改进ＣＭＡＥＳ算法。该算法通过建立步长控 制的云推理模型，采用云模型的不确定性推理来实现步长的控制，避免了原算法采用确定的函数映射进行步长伸缩变化而忽视进化 过程中不确定性的不足。最后通过测试函数验证了改进算法具有较高的寻优性能。 关键词　　协方差矩阵自适应进化策略　云推理　步长控制　全局优化 中图分类号　ＴＰ３０６．１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．０８．０５４ ＩＭＰＲＯＶＥＤＣＭＡＥＳＡＬＧＯＲＩＴＨＭＢＡＳＥＤＯＮＣＬＯＵＤＲＥＡＳＯＮＩＮＧ ＱｉａｏＳｈｕａｉ　ＸｕＸｉｎｙｉｎｇ　ＹａｎＧａｏｗｅｉ （ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＴａｉｙｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｔａｉｙｕａｎ０３００２４，Ｓｈａｎｘｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｏｒｄｅｒｔｏｏｖｅｒｃｏｍｅｔｈｅｓｈｏｒｔｃｏｍｉｎｇｓｏｆｃｏｖａｒｉａｎｃｅｍａｔｒｉｘａｄａｐｔａｔｉｏｎｅｖｏｌｕｔｉｏｎｓｔｒａｔｅｇｙ（ＣＭＡＥＳ）ｓｕｃｈａｓｐｒｅｍａｔｕｒｅｃｏｎｖｅｒ ｇｅｎｃｅａｎｄｌｏｗｐｒｅｃｉｓｉｏｎｗｈｅｎｂｅｉｎｇｕｓｅｄｉｎｓｏｍｅｏｐｔｉｍｉｓａｔｉｏｎｐｒｏｂｌｅｍｓ，ｂｙｍａｋｉｎｇｕｓｅｏｆｔｈｅｇｏｏｄａｂｉｌｉｔｙｏｆｃｌｏｕｄｍｏｄｅｌｉｎｄｅａｌｉｎｇｗｉｔｈｕｎ ｃｅｒｔａｉｎｔｙｐｒｏｂｌｅｍｓ，ｗｅｉｍｐｒｏｖｅｔｈｅｓｔｅｐｓｉｚｅｃｏｎｔｒｏｌｐｒｏｃｅｓｓｏｆＣＭＡＥＳａｎｄｆｉｎｄａｃｌｏｕｄｒｅａｓｏｎｉｎｇｂａｓｅｄｉｍｐｒｏｖｅｄＣＭＡＥＳａｌｇｏｒｉｔｈｍ．Ａｆｔｅｒ ｂｕｉｌｄｉｎｇｔｈｅｃｌｏｕｄｒｅａｓｏｎｉｎｇｍｏｄｅｌｏｆｓｔｅｐｓｉｚｅｃｏｎｔｒｏｌ，ｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍａｃｈｉｅｖｅｓｓｔｅｐｓｉｚｅｃｏｎｔｒｏｌｂｙｕｓｉｎｇｕｎｃｅｒｔａｉｎｔｙｒｅａｓｏｎｉｎｇｏｆ ｃｌｏｕｄｍｏｄｅｌ，ａｎｄａｖｏｉｄｓｔｈｅｄｅｆｉｃｉｅｎｃｙｏｆｏｒｉｇｉｎａｌａｌｇｏｒｉｔｈｍｔｈａｔｉｔｕｓｅｓｄｅｔｅｒｍｉｎｉｓｔｉｃｆｕｎｃｔｉｏｎｍａｐｐｉｎｇｆｏｒｓｔｅｐｓｉｚｅｓｃａｌｅｂｕｔｉｇｎｏｒｅｓｔｈｅｕｎ ｃｅｒｔａｉｎｔｙｉｎｅｖｏｌｕｔｉｏｎｐｒｏｃｅｓｓ．Ｆｉｎａｌｌｙ，ｔｈｒｏｕｇｈｔｅｓｔｆｕｎｃｔｉｏｎｓｗｅｖｅｒｉｆｙｔｈａｔｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｈａｓｈｉｇｈｅｒｏｐｔｉｍｉｓａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅ． Ｋｅｙｗｏｒｄｓ　　Ｃｏｖａｒｉａｎｃｅｍａｔｒｉｘａｄａｐｔａｔｉｏｎｅｖｏｌｕｔｉｏｎｓｔｒａｔｅｇｙ（ＣＭＡＥＳ）　Ｃｌｏｕｄｒｅａｓｏｎｉｎｇ　Ｓｔｅｐｓｉｚｅｃｏｎｔｒｏｌ　Ｇｌｏｂａｌｏｐｔｉｍｉｓａｔｉｏｎ 收敛速度。 ０　引　言 进化过程充满了不确定性，ＣＭＡＥＳ中种群进化的步长采 用确定函数映射进行伸缩变化，其不能很好地反映进化过程的 协方差矩阵自适应进化策略（ＣＭＡＥＳ）是一种高效的群体 不确定性。本文基于云模型对不确定性问题良好的处理能力， 随机搜索进化策略算法，具有不依赖种群大小、收敛速度快、全 通过