1(大数据分析与应用安徽省重点实验室(中国科学技术大学) 合肥 230027);2(天津大学管理与经济学部 天津 300072) (yrunl@mail.ustc.edu.cn)
出版日期: 2019-08-01基金资助:国家自然科学基金项目(61672483，U1605251)；中国科学院青年创新促进会优秀会员专项(2014299)；安徽省科技创新战略与软科学研究专项(201806a02020055)Negatively Correlated Search with Asymmetry for Real-Parameter Optimization Problems
Yu Runlong1, Zhao Hongke2, Wang Zhong1, Ye Yuyang1, Zhang Peining1, Liu Qi1, Chen Enhong11(Anhui Province Key Laboratory of Big Data Analysis and Application (University of Science and Technology of China), Hefei 230027);2(College of Management and Economics, Tianjin University, Tianjin 300072)
Online: 2019-08-01摘要/Abstract
摘要： 现实世界中的许多应用与实值优化问题紧密相关.为了求解复杂的实值优化问题，一些研究工作提出不同的元启发式假设并设计相应的搜索策略.在搜索解空间过程中，如何平衡探索解空间新区域(多样化)与实现优质解利用(集约化)之间的关系，是提高元启发式搜索算法性能的关键因素之一.特别地，负相关搜索(negatively correlated search, NCS)通过在搜索进程中引入负相关的搜索趋势，促进了解的多样性，有效改进了并行爬山算法的搜索性能.负相关搜索将每一个搜索进程的搜索行为建模为概率分布，在此基础上，根据搜索进程的搜索范围的相对大小，将搜索行为进一步划分为全局搜索行为和局部搜索行为.然后提出一种新的元启发式搜索算法，即非对称负相关搜索(negatively correlated search with asymmetry, NSA)，它假设具有全局搜索行为的搜索进程应尽可能远离具有局部搜索行为的搜索进程.得益于搜索进程之间非对称的负相关的搜索趋势，提出的算法相比负相关搜索拥有更优的搜索效率.实验结果表明：相比成熟的搜索方法，非对称负相关搜索在20个多模态实值优化问题上取得了最佳的整体性能.
参考文献
相关文章 15
| [1] | 孟子尧, 谷雪, 梁艳春, 许东, 吴春国. 深度神经架构搜索综述[J]. 计算机研究与发展, 2021, 58(1): 22-33. |
| [2] | 张永, 陈蓉蓉, 张晶. 基于交叉熵的安全Tri-training算法[J]. 计算机研究与发展, 2021, 58(1): 60-69. |
| [3] | 王萌, 王靖婷, 江胤霖, 漆桂林. 人机混合的知识图谱主动搜索[J]. 计算机研究与发展, 2020, 57(12): 2501-2513. |
| [4] | 程大宁, 张汉平, 夏粉, 李士刚, 袁良, 张云泉. AccSMBO:一种基于超参梯度和元学习的SMBO加速算法[J]. 计算机研究与发展, 2020, 57(12): 2596-2609. |
| [5] | 董业, 侯炜, 陈小军, 曾帅. 基于秘密分享和梯度选择的高效安全联邦学习[J]. 计算机研究与发展, 2020, 57(10): 2241-2250. |
| [6] | 陈珂锐, 孟小峰. 机器学习的可解释性[J]. 计算机研究与发展, 2020, 57(9): 1971-1986. |
| [7] | 丁成诚, 陶蔚, 陶卿. 一种三参数统一化动量方法及其最优收敛速率[J]. 计算机研究与发展, 2020, 57(8): 1571-1580. |
| [8] | 王婕婷, 钱宇华, 李飞江, 刘郭庆. 消除随机一致性的支持向量机分类方法[J]. 计算机研究与发展, 2020, 57(8): 1581-1593. |
| [9] | 贺一笑, 庞明, 姜远. 蒙德里安深度森林[J]. 计算机研究与发展, 2020, 57(8): 1594-1604. |
| [10] | 鞠卓亚, 王志海. 基于选择性模式的贝叶斯分类算法[J]. 计算机研究与发展, 2020, 57(8): 1605-1616. |
| [11] | 孟银凤, 梁吉业. 线性正则化函数Logistic模型[J]. 计算机研究与发展, 2020, 57(8): 1617-1626. |
| [12] | 孙肖依, 刘华锋, 景丽萍, 于剑. 基于列表级排序的深度生成推荐方法[J]. 计算机研究与发展, 2020, 57(8): 1697-1706. |
| [13] | 刘兴波, 聂秀山, 尹义龙. 基于双向线性回归的监督离散跨模态散列方法[J]. 计算机研究与发展, 2020, 57(8): 1707-1714. |
| [14] | 杜圣东, 李天瑞, 杨燕, 王浩, 谢鹏, 洪西进. 一种基于序列到序列时空注意力学习的交通流预测模型[J]. 计算机研究与发展, 2020, 57(8): 1715-1728. |
| [15] | 李冬梅, 张扬, 李东远, 林丹琼. 实体关系抽取方法研究综述[J]. 计算机研究与发展, 2020, 57(7): 1424-1448. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3992
