一种受病毒传播启发的新型元启发式优化算法

根据无免费午餐定理，不存在单一元启发式算法能最优求解所有优化问题。这促使许多研究者持续开发新的优化算法。本文提出一种受自然启发的新型元启发式优化算法，称为病毒传播优化（VSO）。VSO 粗略模拟病毒在宿主间的传播，可有效应用于求解许多具有挑战性的连续优化问题。我们设计了一种新的表示方案与病毒操作，与先前提出的基于病毒的优化算法有根本不同。首先，VSO 中每个宿主的病毒 RNA 表示一个潜在解，不同的病毒操作将有助于使搜索策略多样化，从而大幅提升解的质量。此外，引入一种导入感染机制，从另一群体继承已搜索到的最优解，以可能避免求解复杂问题时任何潜在解的早熟。VSO 具有在已发现最优解周围进行自适应邻域搜索以获得更优解的出色能力。进一步，借助灵活的感染机制，VSO 可快速逃离局部最优。为清晰展示其有效性与效率，VSO 在一系列知名基准函数上进行了严格评估。此外，通过两个真实世界实例（包括金融投资组合优化和用于分类问题的支持向量机超参数优化）验证了 VSO 的适用性。结果表明，与传统及最先进的元启发式优化算法相比，VSO 在解适应度、收敛速度、可扩展性、可靠性和灵活性方面均取得了更优性能。