差分进化算法种群规模缩减方法的综述与实验分析

《ARTIFICIAL INTELLIGENCE REVIEW》：Population size reduction methods in differential evolution: a comprehensive review and experimental analysis

　　

摘要

优化在现代工程和科学中发挥着至关重要的作用。进化计算技术是人工智能（AI）的一个分支，近年来受到了广泛关注。科学家、工程师和从业者需要了解进化计算技术的工作原理，并且能够熟练运用基于人工智能的优化技术来解决工程优化问题。差分进化（DE）算法被归类为一种基于种群的进化算法，主要用于解决复杂的优化问题。原始DE算法使用固定的种群规模，而现代DE变体则采用了先进的策略来在进化过程中减小种群规模。在本综述文章中，共纳入了204项研究，我们不仅对种群规模缩减方法进行了概述，还通过将这些方法集成到最先进算法中，并在CEC 2024基准函数和两个真实世界问题上进行实验，对选定的方法进行了比较分析。基准测试表明，种群规模调整策略的选择会影响优化性能，其有效性取决于问题的特征和维度。根据应用于15种方法的Friedman检验，10种非线性种群规模缩减方法在100维问题上的排名高于线性种群规模缩减方法。此外，一种非线性种群规模缩减方法在两个真实世界优化问题上都获得了最高排名。然而，没有任何单一的种群规模调整策略能够在所有问题维度和函数族中始终保持主导地位。