多策略协同进化的老化粒子优化
神经与进化计算
2018-10-12 v1
摘要
我们提出多策略协同进化的老化粒子（MS-CAP），一种用于黑盒优化的新型基于种群的算法。以模因计算的方式，MS-CAP 结合了两种具有互补算法逻辑的成分。在第一阶段，每个粒子沿各维度以逐渐收缩（衰减）的半径独立扰动，并以逐渐增强的力被吸引向当前最优解。在第二阶段，粒子依据多策略方法在差分进化中变异策略集成的风格下进行变异与重组。所提算法在进化计算大会 2010 与 2013 提出的两套完整黑盒优化基准上于不同维度进行了测试。为展示该方法的适用性，我们还将 MS-CAP 用于训练一个建模八连杆机器人操纵器运动学的前馈神经网络（Feedforward Neural Network）。数值结果表明，对于本研究考虑的设置，MS-CAP 在大量问题上趋于优于最先进（state-of-the-art）的优化算法，从而成为一种鲁棒且通用的优化器。
引用
@article{arxiv.1810.05018,
title = {Multi-Strategy Coevolving Aging Particle Optimization},
author = {Giovanni Iacca and Fabio Caraffini and Ferrante Neri},
journal= {arXiv preprint arXiv:1810.05018},
year = {2018}
}