面向数值优化的跨邻域搜索
神经与进化计算
2015-10-20 v3
摘要
基于种群的搜索算法（PBSAs），包括群智能算法（SIAs）和进化算法（EAs），是求解复杂优化问题的有力竞争替代方案，已被广泛应用于不同领域的现实世界优化问题中。在本研究中，提出了一种新颖的基于种群的跨邻域搜索（ANS）用于数值优化。ANS 的提出受到两个直接假设以及在设计高效 PBSAs 时提出的三个重要问题的启发。在 ANS 中，一组个体协同搜索解空间，以寻找所考虑优化问题的最优解。个体迄今找到的优质解集合被动态维护和更新。在每一代中，个体在高斯分布的引导下，直接在多个优质解的邻域间进行搜索。这种搜索方式被称为跨邻域搜索。讨论了 ANS 的特性，并与其他 PBSAs 进行了概念比较。ANS 背后的原理很简单。此外，ANS 易于实现和应用，仅需调节三个参数。在 18 个不同类型的基准优化函数上的大量实验表明，ANS 具有良好平衡的探索与开发能力，与许多高效的 PBSAs 相比表现出竞争力（实验中使用的相关 Matlab 代码可从 http://guohuawunudt.gotoip2.com/publications.html 获取）。
引用
@article{arxiv.1401.3376,
title = {Across neighbourhood search for numerical optimization},
author = {Guohua Wu},
journal= {arXiv preprint arXiv:1401.3376},
year = {2015}
}