Large Scale Global Optimization using Self-adaptive Differential Evolution Algorithm

“Large Scale Global Optimization using Self-adaptive Differential Evolution Algorithm” başlıklı çalışma Brest, J., Zamuda, A., Fister, I., Maučec, M. S. tarafından yapılmış 2010 yılı Temmuz ayındaki IEEE Congress on Evolutionary Computation (pp. 1-8) kongresinde sunulmuştur.

Çalışmada gerçeklenen kendinden uyarlamalı diferansiyel evrim algoritmasına jDElsgo ismi verilmiştir.

Çalışmada önerilen algoritma MLCC {Z. Yang, K. Tang, and X. Yao. Multilevel Cooperative Coevolution for Large Scale Optimization. In Proc. IEEE World Congress on Computational Intelligence (WCCI 2008), pages 1663–1670. IEEE Press, 2008.} ve DECC-G {Z. Yang, K. Tang, and X. Yao. Large scale evolutionary optimization using cooperative coevolution. Information Sciences, 178(15):2985–2999, 2008.} ile kıyaslanmıştır.

Algoritmanın kontrol parametrelerinden F ve CR kendi kendini değiştirebilen bir strateji ile güncellenmektedir. Mutasyon işlemi yapılmadan önce aşağıdaki şekilde parametreler güncellenir:

f-cr

Popülasyon sayısı azaltılarak daha iyi bireylere yaşam hakkı tanınmaktadır. Popülasyon azaltma mekanizması sağlamlık(robustness) açısından iyi bir performansa sahiptir {Ferrante Neri and Ville Tirronen. Recent advances in differential evolution: a survey and experimental analysis. Artificial Intelligence Review, 33(1–2):61–106, 2010.}

np

F parametresinin işaretini değiştirerek çözüm değeri değiştirilir.

f

Çalışmada kullanılan benchmark fonksiyonları ve özellikleri:

cec-benchmark-functions

Çalışmada Max FEs = 3, 000, 000, D = 1000, ve pmax = 4 alındığı durumda;

npp-genp

Popülasyon boyutu 100 iken 750000/100=7500 iterasyon,
Popülasyon boyutu 50 iken 750000/50=15000 iterasyon,
Popülasyon boyutu 25 iken 750000/25=30000 iterasyon,
Popülasyon boyutu 12 iken 750000/25=62500 iterasyon yapılır.

Çalışmada F = 0.5, CR = 0.9, NP = 100, pmax = 4 parametreleri kullanılmıştır.

Algoritmik çerçeve:

jdelsgo-algoritmik-cerceve

120000,600000,3000000 FEs şeklindeki çalıştırmalar yapılmıştır.
jdelsgo

DECC-G, DECC-G* ve MLCC algoritmalarının 3000000 FEs sonuçları ile kıyaslanmıştır.
jdelsgo-mlcc-decc-g

F2, F5, F8, F10, F13, F15, F18 ve F20 Fonksiyonları için Yakınsama Grafikleri:

yakinsama

Çalışmayı indirmek için:
large_scale_global_optimization_using_self_adaptive_differential

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir