差分进化中参数控制方法的综述与基准测试
神经与进化计算
2020-10-05 v1
摘要
许多具有各种参数控制方法(PCMs)的差分进化(DE)算法已被提出。然而,以往研究通常将PCMs视为复杂DE算法的一个不可分割的组成部分。因此,每种方法的特性和性能鲜为人知。我们对DE中针对尺度因子和交叉率的24种PCMs进行了深入综述,并开展了一项大规模基准测试研究。我们仔细地从原始复杂算法中提取出这24种PCMs,并以系统化的方式对其进行描述。我们的综述有助于理解现有代表性PCMs之间的异同。在24个黑盒基准函数上,我们研究了配备这24种PCMs和16种变异算子的DE的性能。我们的基准测试结果揭示了在16种不同条件下,当嵌入标准化框架时(独立于其原始复杂算法)哪些方法表现出高性能。我们还通过将这24种方法与基于预言机的模型进行比较,考察了PCMs进一步改进的空间,该模型可被视为最优方法性能的一个保守下界。
引用
@article{arxiv.2010.01035,
title = {Reviewing and Benchmarking Parameter Control Methods in Differential Evolution},
author = {Ryoji Tanabe and Alex Fukunaga},
journal= {arXiv preprint arXiv:2010.01035},
year = {2020}
}
备注
This is an accepted version of a paper published in the IEEE Transactions on Cybernetics