合作协同进化算法概述（Cooperative Coevolution）

pulbieup

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。


分解策略的分类:
; t/ f" ?+ z8 F  {
①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。
% _( o$ I1 v0 G: S
+ [! g* e( @5 E; t6 k- [8 e8 s②扰动：使用若干方法扰动决策变量尝试对变量进行分组。

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。
9 ~- D* y; t' H' r) h
# R! e0 i( f* N. Z3 J4 [6 D7 I

下面是CC算法不同的分解策略体现的论文:
7 o! ]4 ~. H3 \: _7 H6 L; i
5 \# _- |& J$ }: h0 oLiu, 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）
/ S& z% W8 Z7 I5 m9 `2 J9 mvan 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）
! c& l2 G9 h7 i$ c. |' j, X! f" e0 U; D" m

- A/ L3 V2 m+ H8 Y
Shi, H. Teng, and Z. Li, “Cooperative co-evolutionary differential
evolution for function optimization,” in Proc. Int. Conf. Natural Comput.,
) v% O/ k6 _6 n9 d9 D) J2005, 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）
+ k1 q% S. @& A) u( GYang, 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）
, t4 C4 {) A3 ]: C; ]1 i9 n& q( 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）


: R0 o4 o1 N4 g9 l, Q$ E" A/ B7 z
N. Omidvar, X. Li, and X. Yao, “Cooperative co-evolution with delta
' v: u+ `7 v4 s- }& I! }grouping for large scale non-separable function optimization,” in Proc.
5 ^" k# K7 F- s7 D8 m" u$ L9 o# N7 RIEEE 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）



Yang, K. Tang, and X. Yao, “Multilevel cooperative coevolution
for large scale optimization,” in Proc. IEEE Congr. Evol. Comput.,
6 f4 z! y6 a; m4 zJun. 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）
& P0 [8 ~3 {# b5 H


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）