合作协同进化算法概述（Cooperative Coevolution）

pulbieup

8 _& ?6 `/ B: X6 g6 {合作协同进化（Cooperative Coevolution）是求解大规模优化算法一个有效的方法。将大规模问题分解为一组组较小的子问题。而合作协同进化的关键是分解策略。

* h6 x; [. I, z
# c9 D' {+ g3 m5 b5 p- U, y分解策略的分类:
8 U! a$ Z; F" }3 u; D7 n4 a& Y( T
% L( x% `1 j5 @9 U3 W* \: F①随机分解：随机选择基因的顺序，但是用户要决定组的数量和组的大小。
+ H& Q: e  Z% {! e. N
% |+ q% ]. k# f5 m4 d②扰动：使用若干方法扰动决策变量尝试对变量进行分组。

1 m; T3 m: n, A' ]③模型建构：基于个体数量s的概率模型，在进化过程中迭代更新。


0 o/ s( j/ ~5 c: r! E5 _# O3 S
3 \  C- ]4 ?) _下面是CC算法不同的分解策略体现的论文:
: O; v# q1 }3 E
Liu, X. Yao, Q. Zhao, and T. Higuchi, “Scaling up fast evolutionary
programming with cooperative coevolution,” in Proc. IEEE Congr. Evol.
Comput., 2001, pp. 1101–1108.（这是第一次解决1000维的基准问题采用的合作协同进化算法）
5 r3 j: j% b4 o- xvan den Bergh and A. P. Engelbrecht, “A cooperative approach to
6 A, n; o5 }4 T  Q: z% k8 _& oparticle swARM optimization,” IEEE Trans. Evol. Comput., vol. 8, no. 3,225–239, Jun. 2004.（这是第一个应用到PSO算法，将一个n维问题分成k-s维问题，没有在大规模的问题上测试过）


. ~/ t1 Q& p6 N8 |; j8 O1 I7 B/ o
7 l2 W. N* B) I( E4 Y% h1 cShi, H. Teng, and Z. Li, “Cooperative co-evolutionary differential
evolution for function optimization,” in Proc. Int. Conf. Natural Comput.,
# L  j4 q0 f! F- ]9 P5 a2005, pp. 1080–1088.（应用在差分进化算法中，决策变量被分成两个同样大小的子成分，不适合高维）
Yang, K. Tang, and X. Yao, “Large scale evolutionary optimization
using cooperative coevolution,” Inf. Sci., vol. 178, pp. 2986–2999,
Aug. 2008.（将问题分成k-s维问题，使用随机分组，在1000维上取得了很好的效果）
$ T" R# H( b6 g+ M& }! O
N. Omidvar, X. Li, Z. Yang, and X. Yao, “Cooperative coevolution
for large scale optimization through more frequent random
grouping,” in Proc. IEEE Congr. Evol. Comput., Jul. 2010,1754–1761.（修正的CPSO随机分组方案，达到2000维）
% ?$ S+ F; }/ v1 Y, t( J
7 p1 [( a2 ?* k2 Q5 z* A# G
* V6 z& {9 O8 ?2 w4 ?6 r
N. Omidvar, X. Li, and X. Yao, “Cooperative co-evolution with delta
grouping for large scale non-separable function optimization,” in Proc.
8 x- y* k4 H" JIEEE Congr. Evol. Comput., Jul. 2010, pp. 1762–1769.（增量分组策略，当目标函数存在不可分子成分时性能低）

0 S" \& X; j+ ^- j- ?
$ x2 |2 K% e- {9 b6 V0 E
Yang, K. Tang, and X. Yao, “Multilevel cooperative coevolution
for large scale optimization,” in Proc. IEEE Congr. Evol. Comput.,
+ b$ Q& C$ ?6 lJun. 2008, pp. 1663–1670.（MLCC算法，一组不同s的值（子成分的大小）提供给算法，缺点较多）

4 ]/ U2 k' L* B3 O: R' V

另外用CC算法做大规模优化的论文数量有不少。因此要应用CC算法，关键在分解策略提出。

yin123

合作协同进化算法概述（Cooperative Coevolution）