高效秩-μ更新自动协方差矩阵自适应演化策略

自动协方差矩阵自适应演化策略(active-CMA-ES)使用不成功的突变信息使计算协方差矩阵秩-μ更新的时间增加。cholesky因子更新协方差矩阵可有效减少计算时间,但目前只实现协方差矩阵cholesky因子秩-1更新。针对该问题,实现了协方差矩阵cholesky因子秩-μ更新。结合高效秩-1更新应用于active-CMA-ES形成chol-active-CMA-ES。在一组基准测试函数中比较算法与其他CMA-ES变体的性能。实验结果表明,该算法在大部分测试函数中优于其他CMA-ES变体。协方差矩阵更新的时间比active-CMA-ES快约2.5倍至8.7倍。

基于遗传算法的嵌入式系统软硬件划分算法

针对嵌入式系统软硬件协同设计中的软硬件划分问题,提出了一个基于基本调度块图的软硬件划分模型,并给出了一个基于遗传算法的软硬件划分算法.通过采用自适应的适应度函数和演化策略,提高了算法的稳定性、搜索效率和求解质量.实验结果说明了该算法对解决软硬件划分问题是有效的.

基于两阶段搜索算法的多峰函数优化

多峰优化问题需要搜索多个最优值(全局最优/局部最优),这给传统的优化算法带来很大程度上的挑战.本文提出了一种两阶段算法求解多峰优化问题.第一阶段采用带有邻域变异策略的排挤差分演化算法进行粗粒度搜索,在适应度景观上尽可能多的找到最优解的大概位置.搜索一定代数之后,调用DMC聚类方法把搜索种群划分成多个聚类,然后在每个聚类上调用协方差矩阵自适应演化策略算法进行精细搜索.另外,本文还提出搜索点补充策略用于平衡每个聚类的大小及增加算法初期的搜索能力.我们提出的方法和9个较新的经典算法在两个基准测试集上进行了大量对比测试,结果表明新算法是有效的,在大多数测试函数上都优于其它算法.

两阶段多峰优化算法求解纳什均衡

提出了一种两阶段多峰优化算法用于求解一个博弈中的全部纳什均衡.第一阶段首先运行带有邻域变异策略的NCDE算法进行粗粒度搜索,定位最优解的粗略位置.第二阶段运行多个CMA-ES实例在已找的位置上同时进行局部精细搜索.此外,提出了一种搜索点补充策略,用于增强演化初期的搜索能力及保持子种群的稳定性.提出的算法和6个经典算法在10个纳什均衡问题上进行了比较.实验结果表明提出的算法在5个问题上取得了最好结果,4个问题上取得的结果与其他算法相同.