（带源码）大规模问题-递归排名分组 Incremental Recursive Ranking Grouping for LargeScale Global Optimization

文章提了一种新的 IRRG，这是一种新的问题分解策略，它不假设只存在可加分离的子问题。IRRG源于单调性检查，因此，它从不报告错误链接。

此外，它极大地限制了缺失联系的问题。本文有两个主要目标。首先，我们证明了IRRG可以准确地分解连续LSGO问题，而不考虑加性或非加性可分性。其次，我们表明，尽管IRRG比递归DG 3（RDG3）[16]更昂贵，但当问题适合DG时，它对整体优化成本的影响也可以忽略不计。

为了实现这些目标，我们将IRRG和RDG3嵌入到两个不同的CC框架中。我们考虑一组45个问题，包括可加可分问题和不可加可分离问题。该集合是根据CEC’2013功能构建的[23]。

由于标准CEC’2013集合只包含一个具有非加性可分离子函数的函数，我们提出了两种将加性可分性转化为非加性的变换。

文章在第三节中，我们比较了DG和单调性检查。第四节介绍了IRRG的细节，而第五节报告了实验结果。

 

算法流程：

链接：https://pan.baidu.com/s/1Z68L1zchECFir-QBiOvX-g?pwd=07vx 
提取码：07vx