在用于优化问题的差分进化算法中。涉及三个进化过程,即突变交叉和选择
我只是一个初学者,但我已经尝试删除交叉过程,并且与原始算法没有显着差异。
那么在差分进化算法中,交叉的重要性是什么?
在用于优化问题的差分进化算法中。涉及三个进化过程,即突变交叉和选择
我只是一个初学者,但我已经尝试删除交叉过程,并且与原始算法没有显着差异。
那么在差分进化算法中,交叉的重要性是什么?
如果您不使用交叉可能是您的算法只是探索问题搜索空间而不是利用它。一般来说,如果进化算法在探索率和开发率之间取得了良好的平衡,那么它就会成功。
例如DE/rand/1/Either-Or
,DE 的一个变体消除了交叉算子,但使用了有效的变异算子。根据差分进化:最新技术的调查,在该算法中,纯突变体的试验载体有一定概率出现pF
,而纯重组体的试验载体有一定概率出现1 − pF
。与经典的 DE 变体 rand/1/bin 和 target-to-best/1/bin 相比,该变体显示出具有竞争力的结果(主要参考)。
X(i,G)
是 G 代的第 i 个目标(父)向量,U(i,G)
是它对应的试验向量,F
是差向量比例因子和k = 0.5*(F + 1)[in the original paper]
。
在这个方案中没有使用交叉,但变异足够有效,可以与原始 DE 算法进行比较。