Сибирский федеральный университет

Перевод названия: Self-configuring ensemble of genetic algorithms for multimodal optimization problems

Тип публикации: статья из журнала

Год издания: 2015

Ключевые слова: самоконфигурирование, метод ниш, self-configuration, Niching, Multimodal optimization, genetic algorithm, metaheuristic, мультимодальная оптимизация, генетический алгоритм, метаэвристика

Аннотация: Задача мультимодальной оптимизации (ММО) заключается в нахождении множества всех глобальных и локальных оптимумов или аппроксимации этого множества. В последние годы было предложено множество эффективных бионических и эволюционных алгоритмов для ММО с вещественными переменными (в частности, на базе алгоритмов эволюционных стратегий, роя частиц (PSO), дифференциальной эволюции и др.). В то же время, многие практические задачи оптимизации часто содержат переменные нескольких разных типов, включая целочисленные, ранговые, бинарные и др. В таком случае переменные переводятся в наиболее слабую из шкал, обычно используется бинарное представление решений. К сожалению, сегодня достаточно эффективных подходов для ММО с бинарным представлением не предложено. Существующие решения в основном базируются на общих идеях метода ниш (niching). Более того, возникает проблема выбора подходящего алгоритма и тонкой настройки его параметров под конкретную задачу ММО. Предложен новый подход, основанный на метаэвристике для построения генетического алгоритма, включающего многие стратегии поиска. Предложенный подход позволяет управлять взаимодействием нескольких поисковых алгоритмов (разных генетических алгоритмов для ММО) и обеспечивает самоконфигурируемое решение задачи с априори неизвестной структурой (оптимизация «черного ящика»). Представлены результаты численных экспериментов и сравнение с другими известными подходами на множестве традиционных тестовых задач ММО и задачах, предложенных на конкурсе по ММО в рамках конференции CEC’2013. Предложенный подход демонстрирует эффективность лучшую, чем стандартные подходы, основанные на идее ниш, и сравнимую с современными усовершенствованными алгоритмами. Особенностью и преимуществом предложенного подхода является то, что он не требует привлечения дополнительных экспертных знаний, так как работает в автоматизированном, самоконфигурируемом режиме. Multimodal optimization (MMO) is the problem of finding a set of all global and local optima or a good approximation of that set. In recent years many efficient nature-inspired and evolutionary techniques (based on ES, PSO, DE and others) have been proposed for real-valued problems. At the same time, many real-world problems contain variables of many different types, including integer, rank, binary and others. In this case, the weakest representation (namely binary representation) is used. Unfortunately, there is a lack of efficient approaches for problems with binary representation. Existing techniques are usually based on general ideas of niching. Moreover, there exists the problem of choosing a suitable algorithm and fine tuning it for a certain problem. In this study, a novel approach based on a metaheuristic for designing multi-strategy genetic algorithm is proposed. The approach controls the interactions of many search techniques (different genetic algorithms for MMO) and leads to the self-configuring solving of problems with a priori unknown structure (“black-box” optimization). The results of numerical experiments and of comparison with other popular techniques for classical benchmark problems and benchmark problems from the CEC’2013 competition on MMO are presented. The proposed approach has demonstrated efficiency better than standard niching techniques and comparable to modern advanced algorithms. The main feature and advantage of the approach is that it does not require the participation of the human-expert, because it operates in an automated, self-configuring way.

Журнал: Вестник Сибирского государственного аэрокосмического университета им. академика М.Ф. Решетнева

Выпуск журнала: Т. 16, № 4

Номера страниц: 833-841

ISSN журнала: 18169724

Место издания: Красноярск

Издатель: Сибирский государственный аэрокосмический университет имени академика М.Ф. Решетнева

• Сопов Е.А. (Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31)
• Аплеснин С.С. (Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31)

• РИНЦ (eLIBRARY.RU)