基于区域分解的代理辅助多种群差分进化算法OA

在昂贵优化问题中,如果问题的最优解不唯一,那么此类问题被称为昂贵多模态优化问题。然而,在计算资源有限的情况下,求得多个最优解非常困难。并且,现有的代理模型辅助进化算法对多模态属性关注较少。鉴于此,提出了一种基于区域分解的代理辅助多种群差分进化算法以解决昂贵多模态优化问题。首先,在种群个体初始化阶段,利用个体间距离与目标值的相关性检测潜在子区域,并划分子种群以探索多个最优解。其次,进化前期,利用差分进化算法在每个子种群中进行全局搜索,以捕获多个最优解。在进化前期获取多个最优个体后,采用协方差矩阵自适应进化策略对最优个体开展局部搜索以提高最优解的质量。此外,提出了一种填充准则,可根据特定参数自适应选择合适的个体进行真实评价,以提升代理模型的精确性和泛化能力。最后,将所提算法与其他7种算法在20个测试函数上进行对比。结果表明:所提算法的PR指标在13个函数上取得了最优结果,且最多在5个函数上略差于对比算法,所提算法在求解昂贵多模态优化问题上性能良好。