本文介绍了CCGDE3算法，一种用于解决大规模多目标优化问题的方法。算法通过将问题分解为低维子组件并协同进化来处理。主要内容包括随机分组（RG）策略、第三代广义差分算法（GDE3）的应用以及算法流程。尽管存在分组方法粗糙和优化器选择的局限性等缺点，但CCGDE3为后续算法改进奠定了基础。
CCGDE3 - 2013
Use of Cooperative Coevolution for Solving Large Scale Multiobjective Optimization Problems
L. M. Antonio and C. A. C. Coello, “Use of cooperative coevolution for solving large scale multiobjective optimization problems,” 2013 IEEE Congress on Evolutionary Computation, Cancun, 2013, pp. 2758-2765, doi: 10.1109/CEC.2013.6557903.
算法的主要思想
利用 CC 框架（Cooperative Coevolution、合作协同进化）中的分治（divide-and-conquer）技术应用到多目标中，原始的 CC 框架总结如下：
一个循环由所有子组件的一个完整演化组成，其主要思想是将高维问题分解为几个低维的子组件，并在预定义的周期内协同演化这些子组件。在这个简陋的流程图中，值得注意的是两点：
- 如何将决策变量分组
- 选取一个怎样的 EA 作为优化器去优化每个子组件
下文将从这两方面进行展开。
一、RG（Random Grouping、随机分组）
一开始，将决策变量
最低0.47元/天 解锁文章
扫一扫
670
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
