合作協同進化已經引入協同進化演算法，目的是通過分而治之的正規化解決日益複雜的優化問題。理論上，協同改 變子成分的想法是十分適合解決大規模優化問題的。然而在實踐中，沒有關於問題的先驗知識， 問題應如何分解是尚不清楚的。在本文中，我們提出一個自動分解策略，稱為差分分組，可以揭示決策變數的底層互動結構和形成子成分，以使它們之間的相互依存關係保持到最低限度。我們在數學上展示這樣一個分解策略如何從部分可分性的定義中產生。實證研究表明，這樣的近最優的分解可以大大提高大規模的全域性優化問題的解決方案的質量。最後，我們展示了這樣一個自動分解是如何產生對多樣的子成分的分佈的更好的近似，導致一個對多樣的子成分的計算預算的更高效的分配。

索引詞：合作協同進化，大規模優化，問題分解，不可分性，數值優化

概述：

MATLAB程式碼：

差分分組演算法：如何識別互動變數並將其分到相同的子成分
檢查第一個決策變數之間與所有其他決策變數兩兩之間的相互作用，如果該演算法檢測到第一個變數和其他變數之間的互動，它從所有的決策變數中將其排除。

重複這個過程，直到所有與第一變數互動的變數被檢測出來，形成第一個子成分，如果沒有檢測到互動，那麼該變數是一個可分離變數。
互動判斷公式：

其餘變數重複這個過程，直到所有組分完。

圖示：

如果|△1-△2|>σ則代表相關

應用到協同進化：
第一階段：分組階段

生成子成分

第二階段：優化階段

子成分優化

原文為Cooperative Co-Evolution With Differential Grouping for Large Scale Optimization IEEE

更多內容訪問omegaxyz.com
網站所有程式碼採用Apache 2.0授權
網站文章採用知識共享許可協議BY-NC-SA4.0授權
© 2018 • OmegaXYZ-版權所有 轉載請註明出處