26、基于生物入侵的岛屿进化算法模型

基于生物入侵的岛屿进化算法模型

1. 引言

进化算法（EAs）在解决不同领域的复杂搜索和优化问题方面表现出色，但收敛速度是其主要缺点。为提升其性能，常采用并行版本，即个体分布在多个子种群（岛屿）中独立进化，并通过迁移算子交换个体。这种分布式框架基于经典的粗粒度EA方法，采用局部连接策略，即步进石模型。

在该模型中，选择函数决定哪些个体迁移，替换函数指定哪些个体被移民替代，它们对模型的有效性起着关键作用。不同的策略包括根据更好的适应度值或随机选择移民，移民可以替换最差个体、仅在更优时替换或替换除最佳个体外的任何个体。迁移率、替换函数和迁移间隔决定了解决方案的交换，不合适的移民数量可能会对替换函数的效果产生破坏。岛屿拓扑决定了相邻子种群的数量及其直径，影响信息传播速度。

岛屿EA由于子种群之间的相互作用，具有与顺序版本完全不同的动态行为，能够更均匀地探索搜索空间，避免种群停滞，还能提高计算速度和解决方案质量。

本文提出了一种受生物入侵现象启发的新型迁移模型。生物入侵包括非本地生物的引入、建立和传播，会对本地生物和外来生物产生新的选择压力，有利于它们的快速进化。生物入侵可分为形成繁殖体、运输到新范围形成创始子种群、与本地个体竞争建立和传播三个阶段。繁殖体压力（繁殖体大小和引入频率）与入侵成功正相关。

为了利用生物入侵的这些特点，我们在通用岛屿EA中引入了受入侵过程启发的迁移模型，分为三个阶段：在相邻岛屿形成繁殖体、创建创始子种群、生成新的本地子种群。具体来说，从子种群迁移的个体是比当前局部平均适应度更优的个体，然后通过收集所有邻居的移民和本地个体形成创始子种群，最后采用竞争替换机制生成新的本地子种群。这种基于入侵的分布式进化算法模型（IM - dEA）可