演化计算(Evolutionary Computation简记为EC)是受自然界物种进化启发而产生的一类优化技术;分布估计算法(Estimation of Distribution Algorithms简记为EDAs)是一类基于概率模型的估计与模拟的演化算法,它在参数设置及计算效率上有着...演化计算(Evolutionary Computation简记为EC)是受自然界物种进化启发而产生的一类优化技术;分布估计算法(Estimation of Distribution Algorithms简记为EDAs)是一类基于概率模型的估计与模拟的演化算法,它在参数设置及计算效率上有着其它演化方法难以比拟的优势[1]。受自然界互补机制的启发,提出了一种改进的分布估计算法-松驰互补分布估计算法(Relaxed Complemental Estimation of Distribution Algorithm简记为RCEDA)。在求解Chu和Beasley提出的MKP Benchmark[3]时,算法在较短的时间内找到了大多数目前书籍的最好解,分析和实验结果表明RCEDA是一种较好的演化算法。展开更多
文摘演化计算(Evolutionary Computation简记为EC)是受自然界物种进化启发而产生的一类优化技术;分布估计算法(Estimation of Distribution Algorithms简记为EDAs)是一类基于概率模型的估计与模拟的演化算法,它在参数设置及计算效率上有着其它演化方法难以比拟的优势[1]。受自然界互补机制的启发,提出了一种改进的分布估计算法-松驰互补分布估计算法(Relaxed Complemental Estimation of Distribution Algorithm简记为RCEDA)。在求解Chu和Beasley提出的MKP Benchmark[3]时,算法在较短的时间内找到了大多数目前书籍的最好解,分析和实验结果表明RCEDA是一种较好的演化算法。