一种多种群多样性保持的分布估计算法.docxVIP

一种多种群多样性保持的分布估计算法 1 eda算法改进 分布估算算法是一种新的基于团队搜索的进步计算方法。不通过传统的横向突变方法生成年轻一代的后代，而是使用统计分析方法对优秀个体进行统计分析，建立概率模型，然后通过采样生成后代的解。在重复统计建模和采样过程中，我们可以得到问题的最佳解。这是统计学习和计算的结合。 可以看出,与传统进化算法不同,EDA是基于对整个群体建立数学模型,直接描述整个群体的进化趋势,是对生物进化“宏观”层面上的数学建模,具有良好的全局搜索能力,但局部优化能力较差.因此,EDA能很好地解决低维单模态优化问题,然而对于复杂的高维多模态优化问题,常常陷入局部最优解,出现早熟收敛现象.不同于EDA,遗传算法(Genetic Algorithm,GA)、粒子群优化(Particle Swarm Optimization,PSO)和差分进化(Differential Evolution,DE)算法是基于对种群中的各个个体进行遗传操作(交叉、变异等)来实现群体的进化的,是对生物进化“微观”层面上的数学建模,具有较好的局部优化能力,但全局搜索能力较差.为此,可以将EDA与GA、PSO和DE等算法进行混杂,力求做到算法探索与利用的有效均衡,以解决EDA的早熟收敛问题. 造成EDA早熟收敛的另一个原因是,进化种群中个体趋同、种群多样性的迅速下降.因此,解决EDA早熟收敛问题的