22、增强多群体优化方法：AMPO+算法的探索与实践

增强多群体优化方法：AMPO+算法的探索与实践

1. 引言

在优化算法的领域中，自适应多群体优化（AMPO）算法是一种智能的元启发式搜索方法，它利用多个搜索组执行多种搜索策略，在许多优化问题中取得了令人瞩目的成果。然而，该算法仍存在一些不足，尤其是在转换概率的设置上缺乏灵活性。为了克服这些问题，本文提出了增强版的AMPO（AMPO+）算法，旨在通过更动态的搜索策略提升算法的搜索能力。

2. 相关工作

2.1 原始AMPO算法

原始AMPO算法用于解决无约束、静态和单目标的连续优化问题。它是一种基于多群体的元启发式算法，通过多样化搜索策略来增强搜索和优化能力。该算法的候选解可分为五个搜索组或子群体：随机搜索组、全局搜索组、局部搜索组、领导组和迁移组。除领导组和迁移组外，其他搜索组的大小在搜索过程中可动态变化，且每个组都有各自的搜索策略。

其优化过程如下：
1. 输入参数和目标函数 ：初始化算法的用户控制参数和优化问题的目标函数。
2. 评估 ：计算所有个体的目标函数结果作为适应度值。
3. 选择 ：选择适应度值最高的个体。
4. 转换 ：将个体从一个组转换到另一个组。
5. 迁移 ：将迁移组中的更好解迁移到领导组。
6. 更新 ：使用不同的搜索策略搜索解。
7. 重置 ：当随机搜索组的大小缩减为零时触发。