基於機器學習技術的差分演化算法研究

《基於機器學習技術的差分演化算法研究》是依託華僑大學，由蔡奕僑擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於機器學習技術的差分演化算法研究
• 項目類別：青年科學基金項目
• 項目負責人：蔡奕僑
• 依託單位：華僑大學

項目摘要

當前大部分差分演化算法都忽略了疊代過程中產生的大量中間數據和結果。如何對這些信息進行挖掘和利用，對提升差分演化算法的性能具有非常重要的意義。因此，本項目擬將機器學習技術與差分演化算法進行結合，重點對以下三個方面進行系統研究：（1）研究基於當前種群進化信息的學習策略；（2）通過機器學習技術與學習策略的有效結合，研究積木塊的發現和利用機制、搜尋引導策略和種群管理方法；（3）從算法的搜尋機制和收斂特性出發，分析基於機器學習技術的差分演化算法的搜尋行為。研究旨在利用機器學習技術建立較完善的進化信息挖掘和利用框架,充分發揮進化信息引導算法搜尋過程的作用。項目所得到的成果一方面能夠改進差分演化算法的性能，為其他進化算法在挖掘和利用進化信息方面提供示例作用，另一方面能夠從理論上指導機器學習技術與差分演化算法的協作，為基於機器學習技術的進化算法設計提供理論參考。

結題摘要

針對目前大部分差分演化算法在利用種群進化信息來指導算法搜尋方面的不足，本項目利用機器學習技術來構建基於種群進化信息挖掘和利用的差分演化算法框架，研究差分演化算法求解複雜問題的性能，探索提升差分演化算法的最佳化性能的有效方案。項目的主要研究內容有：1、基於變數分組策略的積木塊發現和利用機制，研究變數關聯技術對差分演化算法處理變數相關函式的性能；2、通過引入自適應操作選擇技術，研究差分演化算法中多種群方向信息的調度機制；3、通過引入不同的種群拓撲結構和種群分類的思想，研究基於鄰域信息的的挖掘和利用策略；4、結合種群在變數空間和目標空間的進化信息，研究同時整合多種進化信息的利用機制。基於以上的研究內容，本項目為探討連續最佳化問題變數相關性質的利用機制提供了良好的示範作用，有效地解決了種群方向信息自適應調度的問題，並且設計了多種種群信息的融合機制從而進一步提升算法求解複雜問題的性能，促進了差分演化算法的算法機制的完善，為複雜的實際工程問題提供了新的求解思路和方法。本項目取得成果主要反映在發表或已錄用了的18篇論文中。