| 多空间协同进化的自然计算方法 |
| |
| 引用本文： | 孙小晴,季伟东,林平,徐浩天.多空间协同进化的自然计算方法[J].小型微型计算机系统,2022(1):15-21. |
| |
| 作者姓名： | 孙小晴 季伟东 林平 徐浩天 |
| |
| 作者单位： | 哈尔滨师范大学计算机科学与信息工程学院;哈尔滨医科大学 |
| |
| 基金项目： | 国家自然科学基金项目(31971015)资助;哈尔滨市科技局科技创新人才研究专项项目(2017RAQXJ050)资助;哈尔滨师范大学硕士研究生学术创新基金项目(HSDSSCX2019-08)资助;哈尔滨师范大学计算机学院科研项目(JKYKYY202001)资助;2020年黑龙江省高等教育教学改革项目(计算机类专业学位硕士研究生实践能力培养研究与实践)资助;2020年黑龙江省高等教育教学改革项目(SJGY2020368)资助。 |
| |
| 摘 要： | 在自然计算方法中,种群规模大,计算复杂度高;种群规模小,容易陷入局部最优.本文提出多空间协同进化(Multispace Coevolution,简称MSC)的自然计算方法,该方法适用于各种基于种群进化的优化算法,不依赖于算法进化的具体步骤,具有普适性.在传统的生物种群进化的基础上,将大种群分解为个数有限的小种群,部分小种群组成进化空间,另一部分构成指导空间,两个空间拥有不同的功能,指导空间通过特定的信息传递方式将经验概括信息传递到进化空间,从而使整个种群协同进化.将该策略分别应用到粒子群优化算法(PSO)和遗传算法(GA)中,并与标准粒子群算法、遗传算法以及目前主流的针对大规模问题进行优化的7个算法对比,在高维测试函数中,结果表明,寻优性能方面新的种群进化算法相比其他算法提高80%左右,具有普适性.
|
| 关 键 词： | 指导空间 进化空间 协同进化 自然计算 |
Natural Computing Method of Multispace Coevolution |
| |
| SUN Xiao-qing,JI Wei-dong,LIN Ping,XU Hao-tian.Natural Computing Method of Multispace Coevolution[J].Mini-micro Systems,2022(1):15-21. |
| |
| Authors: | SUN Xiao-qing JI Wei-dong LIN Ping XU Hao-tian |
| |
| Affiliation: | (Department of Computer Science and Information Engineering,Harbin Normal University,Harbin 150025,China;Harbin Medical Sciences University,Harbin 150086,China) |
| |
| Abstract: | |
| |
| Keywords: | guiding space evolutionary space coevolution natural computing |
| 本文献已被 维普 等数据库收录！ |
|
