合作协同进化算法概述（Cooperative Coevolution）

pulbieup

6 I4 {/ P, Z" ]1 {+ b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。
9 _- ]" Z- W1 b
( y. C5 f5 a5 x! U; }
分解策略的分类:
  q  [8 X- i( x6 M
5 H! P, o: E3 {+ T/ j' L7 ~% m! N①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。
  d( F7 C- ^. P* G0 }  i
②扰动：使用若干方法扰动决策变量尝试对变量进行分组。
$ x2 V, ~' s( N9 s% i6 O
% B5 g) e! R& _( C# _5 {1 @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。

2 l" X# y7 U+ \" X# @; T$ U

下面是CC算法不同的分解策略体现的论文:
, v0 _: a) a% ^
+ d6 q$ l0 c1 z0 t9 v, Z: T% PLiu, 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）
' C4 D9 p# r4 C7 S- B; R9 avan den Bergh and A. P. Engelbrecht, “A cooperative approach to
particle 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）
6 q  z& L) R* T- y: I


Shi, H. Teng, and Z. Li, “Cooperative co-evolutionary differential
; k  q0 f. u0 e) i3 O7 X, k: k3 [evolution for function optimization,” in Proc. Int. Conf. Natural Comput.,
2005, 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）
5 i: h; j4 w- X  ]3 [: LYang, K. Tang, and X. Yao, “Large scale evolutionary optimization
/ r5 e/ A7 k/ d* Z* b2 r  t8 B4 Yusing 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）
/ C6 [6 q1 w5 ~! {/ U' V4 n
N. Omidvar, X. Li, Z. Yang, and X. Yao, “Cooperative coevolution
for large scale optimization through more frequent random
& \6 x" V: d4 R' x5 V1 x/ l/ Z- fgrouping,” in Proc. IEEE Congr. Evol. Comput., Jul. 2010,1754–1761.（修正的CPSO随机分组方案，达到2000维）


4 C4 X( ~  I4 ~* U' r2 _; X' Z. a) ]9 U
N. Omidvar, X. Li, and X. Yao, “Cooperative co-evolution with delta
grouping for large scale non-separable function optimization,” in Proc.
# ~% N# {, k5 |/ nIEEE 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）
$ Q2 K/ \; l1 q! J1 k* B# R


Yang, K. Tang, and X. Yao, “Multilevel cooperative coevolution
for large scale optimization,” in Proc. IEEE Congr. Evol. Comput.,
# |7 d1 g2 I+ `% c" [/ x- uJun. 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）

; n3 t5 m8 X8 x' L8 j4 T7 _/ m# B- y

4 D/ J6 A' B4 i8 `& f) t+ s& t/ Z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）