47、目标空间中的头脑风暴优化算法用于多模态优化问题

目标空间中的头脑风暴优化算法用于多模态优化问题

1. 引言

多模态优化旨在单次运行中定位多个峰值/最优解，并在运行结束前维持这些找到的最优解。头脑风暴优化（BSO）算法是群体智能领域中一个年轻且有前景的算法，它基于人类的集体行为，即头脑风暴过程。不过，原始的 BSO 算法在每次迭代的聚类策略上会消耗大量计算资源。为减轻计算负担，提出了目标空间中的头脑风暴优化（BSO - OS）算法，用基于适应度值的简单分类策略替代了聚类策略。

2. 头脑风暴优化算法

2.1 原始头脑风暴优化

原始 BSO 算法基于人类的头脑风暴过程，其解会汇聚成几个聚类。若新生成的解在同一索引处不比当前最优解好，则保留当前最优解。新个体可基于聚类中一个或两个个体的变异生成。当新个体接近当前最优解时，算法的开发能力增强；当新个体随机生成或由两个聚类中的个体生成时，算法的探索能力增强。该算法有三个策略：解聚类、新个体生成和选择。

2.2 目标空间中的头脑风暴优化

为减少计算负担，BSO - OS 算法用基于适应度值的简单分类策略替代了聚类策略。其具体过程如下：

Algorithm 1. The procedure of the BSO in objective space algorithm
1 Initialization: Randomly generate n potential solutions (individuals), and
evaluate them;
2 while have not found “good enough” soluti