博文
动态优化的思考
|||
决定应用进化计算做动态优化问题已经有两三个星期了，这些天来看了几篇文章，写了点小实验，仅仅是小有收获而已。而对于动态优化的全貌还是不得而知，甚至如何生成动态测试函数也不明白。
所谓的动态有三种意思：（1）测试函数的局部最优和全局最优点在定义域范围内移动，但最优值不会发生变化；（2）最优点的高度和宽度随着时间的变化而周期变化；（3）以上两者同时进行。相比于静态优化而言，动态测试环境维持了多模静态测试环境的复杂性，同时增加了优化过程的不确定性。在具体的处理技术上，如何有效利用进化过程得到的历史信息，是非常关键的问题，因为在环境改变后，以前的进化知识对寻优过程有多大的帮助是不明确的。
目前而言，动态优化还处于初级阶段，国内外的期刊文章很少，但相比以前，文章的数目还是慢慢的增多了。处理方法主要有四类：
（1）在检测到环境改变时重新初始化，这是最朴素的想法；
（2）应用多群体进化，比较有代表性的想法是shift balance GA；
（3）应用记忆结构，包括隐形的和显性的；
（4）将处理静态优化的进化技术如各种遗传、杂交等混合在一起，以应对复杂环境。
个人比较看好第（2）和第（3），尤其是后者。至于（4）则是前面方法必须要用到的，从本质上说不能称之为真正的动态优化处理技术。
所谓的动态有三种意思：（1）测试函数的局部最优和全局最优点在定义域范围内移动，但最优值不会发生变化；（2）最优点的高度和宽度随着时间的变化而周期变化；（3）以上两者同时进行。相比于静态优化而言，动态测试环境维持了多模静态测试环境的复杂性，同时增加了优化过程的不确定性。在具体的处理技术上，如何有效利用进化过程得到的历史信息，是非常关键的问题，因为在环境改变后，以前的进化知识对寻优过程有多大的帮助是不明确的。
目前而言，动态优化还处于初级阶段，国内外的期刊文章很少，但相比以前，文章的数目还是慢慢的增多了。处理方法主要有四类：
（1）在检测到环境改变时重新初始化，这是最朴素的想法；
（2）应用多群体进化，比较有代表性的想法是shift balance GA；
（3）应用记忆结构，包括隐形的和显性的；
（4）将处理静态优化的进化技术如各种遗传、杂交等混合在一起，以应对复杂环境。
个人比较看好第（2）和第（3），尤其是后者。至于（4）则是前面方法必须要用到的，从本质上说不能称之为真正的动态优化处理技术。
https://blog.sciencenet.cn/blog-248494-230649.html
上一篇：清华北大岂止是北京人的！
下一篇：交通越来越差，谁之过？
扫一扫，分享此博文
全部作者的其他最新博文
- • Netlogo 中出现的JVM错误
- • 夏日的最后一朵玫瑰
- • “有毒”父母