16、可变大小单种群合作协同进化策略的实验分析

可变大小单种群合作协同进化策略的实验分析

1. 引言

合作协同进化技术模拟了自然种群通过集体合作过程构建解决方案的能力。如今，这些技术已成功应用于各种问题，包括学习问题。大多数合作协同进化算法（CCEA）处理的是固定数量的分离种群之间的协同进化过程。而本文研究的是一种不同的合作协同进化原则实现方式——巴黎方法，它在单个种群内使用合作机制。

巴黎方法基于优化问题的两级表示，种群中的个体仅代表问题解决方案的一部分，需要聚合多个个体才能得到问题的解决方案。这样做的动机是更有效地利用遗传搜索过程，减少计算开销。成功的应用通常依赖于对部分解决方案（即种群中的个体）进行低成本评估，而每一代只进行一次全面评估。

本文设计了一种可变大小种群的自适应方案，并在实验性奶酪成熟过程提供的真实数据上进行了测试。自适应种群大小可以通过动态平衡搜索的探索和开发能力，构建更高效的优化算法，效率的提升通过适应度评估的次数来衡量。

2. 农业食品数据的合作协同进化学习

进化优化方法，特别是遗传编程（GP），在解决与农业食品相关的复杂问题方面的成功应用已得到了近期各种出版物的证实。本文处理的是奶酪成熟过程，这是一个极其复杂的生态系统，人类专家操作员起着决定性作用。由于可用数据的稀疏性，收集实验数据是一个漫长而困难的过程，导致数据集往往不确定甚至错误，因此参数估计程序必须处理不完整、稀疏和不确定的数据。

在之前的研究中，比较了使用专家知识构建结构的贝叶斯网络模型和进化的GP估计器，实验结果证明了GP方法在估计过程阶段参数方面的有效性。

2.1 测试问题：卡芒贝尔奶酪成熟过程的阶段估计

对于软霉菌奶酪的成熟，微生