Apr, 2024

一种高效的基于当前最先进策略的重建差分进化变异体用于解决单目标约束问题

HTML
PDF
TL;DR本文提出了一种重构的差分进化算法（RDE），用于解决复杂的单目标有界优化问题，并在2024年IEEE进化计算大会（CEC2024）的基准测试中与其他高级差分进化变体进行了实验，实验结果表明RDE在解决复杂优化问题时具有较好的性能。
发现论文，激发创造
  • 漂移目标进化

    本文介绍了一种使用相关查询技术构建抗漂移进化算法的策略和一种抗漂移的线性分隔算法以及其他新的抗漂移进化算法，并且证明了每个进化算法都可以被转换为具有准单调性的算法，从而不会在任何时候性能显着下降。

    May, 2010

  • 区间约束CP和进化算法的混合优化困难问题

    本文提出了一种协作框架，其中区间方法和进化算法相互合作，以实现全局优化的数字证明，并将其与现有的区间法和NLP法进行了比较

    Oct, 2015

  • DEHB: 可扩展、鲁棒和高效的超参数优化进化Hyperband

    DEHB is a new Hyperparameter Optimization method that combines the advantages of Hyperband and Differential Evolution, and achieves strong performance far more robustly on a broad range of HPO problems and tabular benchmarks, especially for high-dimensional problems with discrete input dimensions.

    May, 2021

  • 被限制的重要性：处理微分进化等问题中的不可行解

    通过理论分析和实验验证，论文提出必须在启发式优化算法中明确规定如何处理超出范围解的策略，这个问题对于Differential Evolution等算法的表现，扰动性和种群多样性有显著的影响，尤其是在高维问题中。建议该领域正式采纳这一算法部件的概念，并在算法描述中规定，以保证结果可复制和更深入地了解其整体影响，以此自动化算法设计。

    Mar, 2022

  • 一种新的Lagrangian问题交叉方法：交叉标准的系统综述和元分析

    通过将Lagrangian Dual Function（LDF）与交叉操作符结合，提出了新的交叉标准，与BX和SBX标准进行了比较，并通过三种单峰测试函数进行了评估，结果表明该标准在生成和提高新型优化算法方面具有优异的能力。

    Apr, 2022

  • 将 Lipshitz 和 RBF 替代模型组合应用于高维计算密集型问题

    本文提出了基于Lipschitz低估的代理模型，结合标准径向基函数代理模型和局部搜索程序，开发了一种差分进化算法，名为Lipschitz Surrogate-assisted Differential Evolution（LSADE）。实验结果表明，所提出的LSADE算法与高维复杂的基准函数的最先进算法相比表现出色，尤其在有限的计算预算下更加有效。

    Apr, 2022

  • $(1+(λ,λ))$全局SEMO算法

    本研究设计了一种遗传算法以及动态参数设置，针对多目标优化问题达到更快的运行时，并在算法证明过程中对其在运行时方面进行了验证。

    Oct, 2022

  • 进化方程发现单目标与多目标优化质量比较

    本文探讨了演化微分方程发现的优化问题，比较了单目标优化和多目标优化在经典模型（Burgers方程，波动方程和Korteweg-de Vries方程）中的表现。

    Jun, 2023

  • 多目标优化中的平滑切比雪夫标量化

    本文通过平滑优化技术，提出了一种新颖且轻量级的光滑Tchebycheff标量化方法，用于基于梯度的多目标优化问题，具有良好的理论性质，能够以较低的计算复杂度找到符合有效权衡偏好的所有Pareto解。实验结果充分证明了我们提出方法的有效性。

    Feb, 2024

  • 分解式进化算法分析与克服复杂多目标优化中的局部最优点

    综合几何分析，我们发现传统的参考点选择方法对于解决复杂的多目标优化问题中的局部最优问题具有基础性的作用。为了应对这一问题，我们引入了一种创新的参考点选择策略，即权重向量引导和高斯混合方法，旨在克服局部最优问题。通过对14种算法进行实验验证和一系列实证测试，我们的方法在人口多样性和收敛性方面取得了显着的改进。

    Apr, 2024