CCLSM - 2018

最新推荐文章于 2022-02-22 10:54:57 发布

future12356

最新推荐文章于 2022-02-22 10:54:57 发布

阅读量545

点赞数 3

分类专栏：大规模多目标进化优化算法

本文链接：https://blog.youkuaiyun.com/future12356/article/details/112758327

版权

CCLSM（Cooperative Co-evolutionary Algorithm for Large-Scale Multi-Objective Optimization）通过快速相互依赖识别算法和合作协同进化策略解决高维决策变量的优化问题。该算法能有效识别和分组决策变量，提高多目标优化问题的求解效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

CCLSM

A Cooperative Co-evolutionary Algorithm for Large-Scale Multi-Objective Optimization Problems

Li M , Wei J . A cooperative co-evolutionary algorithm for large-scale multi-objective optimization problems[C]// the Genetic and Evolutionary Computation Conference Companion. 2018.

一、摘要

为了解决 MOEAs 在面对高维的决策变量时的搜索能力里下降的情况，提出了一个新的算法（CCLSM）:

采用快速相互依赖识别算法（fast interdependency identification algorithm FII）识别决策变量并合理分组
提出了一种新的合作协同进化算法来求解 MOPs 问题。

二、算法

一、快速相互依赖识别算法

刚刚上传的 Fast Interdependency Identification（FII） 里有详情介绍，请各位同学移步至 FII 查阅，写的很详细哦~

这里使用图片大概描述一下是怎么分解的：

分组示意图

算法如图

伪码如下：

输入：目标函数，预定义阈值 ϵ1， ϵ2

输出：可分离变量，多个相互依赖变量的分组

seps ←[];
nonseps ←[];
allDimens ← [1, 2, . . . , N];
randomly generate a decision vector x ;
D1s ← calDiff(Fs,x,allDimens);
for each dimen ∈ allDimens do
	x′ ← perturb(x);
	D2s ← calDiff(Fs,x′,dimen);
	if |D2s(i) − D1s(i

最低0.47元/天解锁文章