15、新型高层接力混合元启发式算法在黑盒优化中的应用

新型高层接力混合元启发式算法在黑盒优化中的应用

在优化算法的领域中，不断有新的算法和方法被提出，以应对各种复杂的优化问题。本文将介绍一种名为MSS的高层接力混合元启发式算法，它结合了MLSDO、SHADE和SPSO2011三种不同类型的元启发式算法，旨在提高优化性能。

1. 算法概述

MSS算法的核心是将MLSDO、SHADE和SPSO2011三种算法进行接力式的组合。具体流程如下：
1. MLSDO阶段 ：使用快速局部搜索从不同的初始解开始探索搜索空间。由于目标函数在当前问题中不是动态的，所以只使用一个探索代理，不使用跟踪代理。设置了停滞准则，如果在连续的目标函数评估次数达到 stopMLSDO 时，仍无法改进找到的最佳解的适应度值，则停止MLSDO。同时，还定义了最大评估次数 maxMLSDO 。
2. SHADE阶段 ：当MLSDO停止后，SHADE开始执行。SHADE的种群初始化使用MLSDO局部搜索找到的最佳局部最优解，使用的局部最优解数量为 topMLSDO ，其余个体在搜索空间中均匀随机初始化。同样，SHADE也有停滞准则，最大连续非改进评估次数为 stopSHADE 。
3. SPSO2011阶段 ：如果SHADE满足停滞准则，则执行SPSO2011，用于进一步的开发。其初始种群与SHADE的最后一代种群相同。

下面是这个流程的mermaid流程图：