12、多级别差分进化算法与MapReduce并行框架剖析

多级别差分进化算法与MapReduce并行框架剖析

多级别差分进化算法

多级策略概述

多级策略指的是在种群划分过程中，根据个体分布采用不同的更新方法。它既能充分利用k - means算法在差异显著的数据中识别密集和稀疏区域，找到全局分布模式，又能对部分个体继续使用差分进化算法动态跟踪当前搜索情况。

算法步骤

1. 种群初步划分 ：使用引导聚类方法将种群分为两个基本簇，设簇1和簇2的长度分别为k1和k2。若簇1中个体的差异大于簇2，则在簇1中使用k - means方法能获得更好结果；反之，则使用传统的差分进化算法跟踪当前搜索情况。
2. 引导一步k - means聚类示例
   • 引导聚类 ：
     • 选择O1(0, 2)、O10(3, 3)作为引导聚类的中心，根据适应度值(y)对数据进行聚类。
     • 对于每个剩余对象，根据其与每个簇中心的距离将其分配到最近的簇。例如，对于O2(0, 0)，计算d(G1, o2) = 2，d(G2, o2) = 6，因为d(G1, o2) < d(G2, o2)，所以将o2分配到簇GC1。依次对剩余数据进行聚类，最终得到新的中心GC1 = {o1, o2, o3, o6, o8}和GC2 = {o4, o5, o7, o9, o10}。
   • 一步k - means聚类（k = 2） ：