基于群体的搜索中的最优随机性
神经与进化计算
2019-06-11 v2
摘要
Lévy 飞行是一种随机游走，其步长具有重尾的概率分布。已有研究表明 Lévy 飞行可最大化不确定环境中资源搜索的效率，且许多觅食者与漫游动物的运动也被证实遵循 Lévy 分布。其原因主要在于 Lévy 分布具有无穷二阶矩，因而更可能生成距父代更远的子代。然而，迄今为止关于其他不同重尾概率分布在基于群体的搜索中效率的考察仍不充分。对于基于群体的搜索算法，随机性在探索与开发（或多样化与强化）中均扮演重要角色。因此，有必要讨论基于群体的搜索算法中的最优随机性。本研究以 CS 作为基于群体的优化算法的代表方法，其结果可推广至其他基于群体的搜索算法。本文考虑四类常用重尾分布——Mittag-Leffler 分布、Pareto 分布、Cauchy 分布与 Weibull 分布——以增强 CS 的搜索能力。随后提出四种新型 CS 算法，并在 20 个基准函数上实验以比较其搜索性能。最后，将所提方法用于系统辨识以证明有效性。
引用
@article{arxiv.1905.02776,
title = {Optimal Randomness in Swarm-Based Search},
author = {Jiamin Wei and YangQuan Chen and Yongguang Yu and Yuquan Chen},
journal= {arXiv preprint arXiv:1905.02776},
year = {2019}
}