کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4944226 1437982 2017 22 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Landscape-based adaptive operator selection mechanism for differential evolution
ترجمه فارسی عنوان
مکانیزم انتخاب اپراتور مبتنی بر چشم انداز برای تکامل دیفرانسیل
کلمات کلیدی
تکامل دیفرانسیل، چشم انداز تناسب اندام، انتخاب اپراتور اپراتور،
ترجمه چکیده
در طی دو دهه گذشته، بسیاری از الگوریتم های مختلف تکاملی دیفرانسیل برای حل مشکلات بهینه سازی معرفی شده اند. اگر چه بسیاری از این الگوریتم ها از یک استراتژی جهش تک استفاده می کنند، اخیرا چندین راهبرد جهش چندگانه پیشنهاد شده است. الگوریتم های متعدد مبتنی بر اپراتور اثبات شده است که موثر تر و کارآمد تر از الگوریتم های مبتنی بر تک اپراتور برای حل طیف گسترده ای از معیارها و مشکلات عملی است. در این الگوریتمها، مکانیزم انتخاب اپراتور اپراتور معمولا برای تأکید بیشتر بر اپراتورهای تکاملی با بهترین عملکرد بر اساس تاریخچه عملکرد آنها برای تولید فرزندان جدید اعمال می شود. در این مقاله، ما با استفاده از اطلاعات چشم انداز مشکل در یک مکانیزم انتخاب اپراتور انتخاب می کنیم. برای این منظور، یک الگوریتم جدید که هر دو اطلاعات مربوط به چشم انداز مشکل و سابقه عملکرد اپراتورها را در نظر می گیرد، برای انتخاب پویا ترین اپراتور تکامل دیفرانسیل در طی فرایند تکاملی پیشنهاد شده است. سهم هر مولفه مکانیسم انتخاب، تجزیه و تحلیل می شود و عملکرد الگوریتم پیشنهادی با حل 45 مشکل بهینه سازی بدون محدودیت ارزیابی می شود. نتایج نشان می دهد که کارایی و برتری الگوریتم پیشنهاد شده به الگوریتم های پیشرفته ترین.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
مکانیزم انتخاب اپراتور مبتنی بر چشم انداز برای تکامل دیفرانسیل
چکیده انگلیسی
Over the last two decades, many different differential evolution algorithms for solving optimization problems have been introduced. Although most of these algorithms used a single mutation strategy, several with multiple mutation strategies have recently been proposed. Multiple-operator-based algorithms have been proven to be more effective and efficient than single-operator-based algorithms for solving a wide range of benchmark and practical problems. In these algorithms, adaptive operator selection mechanisms are generally applied to place greater emphasis on the best-performing evolutionary operators based on their performance histories for generating new offspring. In this paper, we investigate using problem landscape information in an adaptive operator selection mechanism. For this purpose, a new algorithm, which considers both this problem landscape information and the performance histories of the operators, for dynamically selecting the most suitable differential evolution operator during the evolutionary process, is proposed. The contributions of each component of the selection mechanism are analyzed and the performance of the proposed algorithm is evaluated by solving 45 unconstrained optimization problems. The results demonstrate the effectiveness and superiority of the proposed algorithm to state-of-the-art algorithms.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volumes 418–419, December 2017, Pages 383-404
نویسندگان
, , , ,