通过预筛选机制改进LSHADE算法
神经与进化计算
2022-08-16 v2
摘要
进化算法在连续优化中已被证明极为有效，尤其是在可进行大量适应度函数评估（FFEs）的情况下。然而，在某些情况下必须采用昂贵的优化方法（即FFEs数量相对较少），本文即考虑此种设定。本文以预筛选机制（psLSHADE）的形式对著名的LSHADE算法进行了扩展。所提出的预筛选依赖于以下三个组成部分：特定的初始采样过程、样本存档，以及由变量的6个独立变换构成的适应度函数全局线性元模型。该预筛选机制预先评估试验向量，并指定其中最优的一个用于进一步的适应度函数评估。psLSHADE的性能使用CEC2021基准在每维10^2-10^4次FFEs的昂贵场景下进行评价。我们将psLSHADE与基线LSHADE方法及MadDE算法进行比较。结果表明，在受限优化预算下psLSHADE明显优于这两种竞争算法。此外，与LSHADE相比，预筛选机制的使用使psLSHADE具有更快的种群收敛速度。
引用
@article{arxiv.2204.04105,
title = {Improving LSHADE by means of a pre-screening mechanism},
author = {Mateusz Zaborski and Jacek Mańdziuk},
journal= {arXiv preprint arXiv:2204.04105},
year = {2022}
}
备注
Accepted at Genetic and Evolutionary Computation Conference (GECCO'22)