竞争合作行为下的深度演化算法

摘要：

将深度与演化算法结合,提出一种深度演化算法,即群竞争合作优化(GCCO)算法.首先引入生物群模型来模拟群体搜索猎物的自然现象,算法通过多步迭代可简单实现优化问题求解.在生物群模型中,跟随者采用变步长的区域复制方式,平衡了收敛速度与优化精度,随机者采用基于特征变换的随机游走模式,避免陷入局部最优.其次引入竞争模型和合作模型增加算法复杂性,通过群体间的竞争和信息共享,提高算法的搜索性能.算法的数学模型是从群论、动力学以及帝国竞争理论推导出来的,在理论上也分析验证了算法的收敛性.最后在十个优化基准函数上与其他三种优化算法对比测试算法的性能.在解决上海市设立燃气站点提高到场及时率的实际问题中,GCCO算法也取得了比其他算法更好的效果.

关键词：深度演化、特征变换、竞争模型、合作模型

所属期刊栏目：14

分类号：TP18(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant Nos. 61772200, 61772201, 61602175 国家自然科学基金;the Pujiang Talent Program of Shanghai under Grant No. 17PJ1401900 上海市浦江人才计划;the Special Fund for Information Development of Shanghai Economic and Information Commission under Grant No. 201602008 上海市经信委信息化发展专项资金

在线出版日期：2020-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1114-1125