マルチモーダル最適化問題に対する Affinity Propagation

Dual-Strategy Differential Evolution With Affinity Propagation Clustering for Multimodal Optimization Wang, Zi-Jia, et al.
IEEE Transactions on Evolutionary Computation, 2018, 22.6, 894-908.

複数の最適解を同時に探索するマルチモーダル最適化問題(MMOP)は,最適化にとって最も困難な問題の 1 つである.MMOP を解決するための 2 つの一般的な目標がある. 1 つは,グローバルな最適化を可能な限り多く するように,集団の多様性を維持することある.もう 1 つは,見つかった解の精度を上げることである.この 2 つの目標を達成するために,本論文では,affinity propagation clustering(APC)を用いた新しい dual-strategy differential evolution(DSDE)を提案する. DSDE の新しさと利点には,次の 3 つの側面があります.第一に, 二重戦略突然変異計画は,子孫を生み出す際の探索と搾取のバランスをとるように設計されている.第 2 に,可 能な限り多くのピークを特定するために,異なる最適領域から多様な個体を選択するための APC に基づく適応選 択メカニズムが提案される.第 3 に,停滞および収束した個人を検出し,保護するためのアーカイブ技術が適用 される.これらの個人はアーカイブに保存されており,見つかった有望な解決策を維持し,より新しい分野を探索 するために再初期化される.実験結果は,提案された DSDE アルゴリズムが,CEC2013 のベンチマーク問題で評 価された場合には,よりグローバルな最適化の位置付け,より高精度の解の獲得,および最新のマルチモーダル アルゴリズムと比較して優れていることを示し,より速い速度で収束する.