量化边界约束处理方法对差分进化的影响
神经与进化计算
2021-05-17 v1
摘要
约束处理是将元启发式算法应用于实际问题时最具影响力的方面之一，若处理不当会阻碍搜索进程。本文关注一个特例——盒式约束，针对其已提出许多边界约束处理方法（BCHM）。我们呼吁有必要研究 BCHM 对元启发式算法性能与行为的影响，而该问题在领域内似乎鲜受关注。我们旨在通过系统基准测试量化此类影响：从模块化 DE 框架中选取 28 种主要差分进化（DE）变体（通过组合不同变异与交叉算子得到）以及 13 种常用 BCHM，将 DE 变体与 BCHM 配对后得到 28 × 13 = 364 个算法实例。在著名的 BBOB/COCO 问题集上执行这些算法实例后，我们针对每个变异、交叉与 BBOB 函数组的组合，使用统计排序方法分析最优目标函数值（性能层面）与修复解百分比（行为层面）。结果清晰表明，BCHM 的选择对经验性能以及所生成不可行解的数量均有显著影响，据此我们为给定场景选择合适的 BCHM 提供了通用指导。
引用
@article{arxiv.2105.06757,
title = {Quantifying the Impact of Boundary Constraint Handling Methods on Differential Evolution},
author = {Rick Boks and Anna V. Kononova and Hao Wang},
journal= {arXiv preprint arXiv:2105.06757},
year = {2021}
}
备注
9 pages, 2 figures. To be published in the 2021 Genetic and Evolutionary Computation Conference Companion