双向维度抽取的协同进化存档算法研究

"基于双向维度抽取的协同进化存档算法 (2010年)，作者：杨莉萍，黄厚宽，发表于《北京交通大学学报》第34卷第5期，文章编号：1673-0291(2010)05-0020-06，关键词：协同进化、存档机制、维度抽取、可靠进展，中图分类号：TP181，文献标志码：A" 协同进化算法是一种模拟生物进化过程的优化技术，它通过多个种群间的相互竞争和协作来解决复杂优化问题。在传统的协同进化算法中，存档机制是维持种群多样性、避免早熟和提高搜索效率的关键部分。然而，这些算法往往面临着存档个体数量过多、更新策略复杂等问题，从而影响算法的性能。 本文针对这一问题，提出了一种基于双向维度抽取的协同进化存档算法。该算法旨在改进协同进化算法的可靠性和有效性，特别是通过考虑问题域内的固有维度结构特性。在算法设计中，作者简化了原有的DECA（Dimension Extraction for Co-evolutionary Algorithm）中的维度抽取方法，并创新性地引入了从测试个体和候选个体两端进行维度抽取的策略。 具体来说，算法在每一轮进化过程中，只选择那些在各个维度上代表当前进展的测试个体以及携带显著维度信息特征的高性能候选个体来保存入存档。这种双向抽取策略有助于保持进化在各个维度上的全局进展，同时减少存档中冗余和低质量个体的数量。通过这种方式，算法能够在保持较低存档量的同时，保持种群的多样性和搜索能力，从而提高整体性能。 实验结果表明，与现有的其他协同进化算法相比，该算法所使用的两个存档在进化过程中都保持了较小的存档量，而且在解决问题的效率和效果上表现更优。这不仅减少了计算资源的消耗，还提高了算法的收敛速度和解决方案的质量。 这篇论文为协同进化算法提供了一个新的存档策略，即双向维度抽取，它有效地解决了传统协同进化算法存在的存档管理问题，提升了算法的效率和可靠性。这种方法对于优化领域的研究具有重要的理论价值和实践意义，可以为今后协同进化算法的设计和应用提供有价值的参考。