
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于结构化随机循环引导算法的混合两阶段框架SRCA-CEC及其在现实约束优化中的应用
《Scientific Reports》:SRCA-CEC: an adaptive two-phase framework for real-world constrained optimization
【字体: 大 中 小 】 时间:2026年09月20日 来源:Scientific Reports 4.9
编辑推荐:
摘要本文介绍了 SRCA-CEC,一种基于结构化随机循环引导算法(SRCA)的混合两阶段框架,旨在解决复杂的现实世界约束优化问题。针对反应式约束处理方法在不相交可行域中的局限性,所提出的框架实现了一种混合搜索策略。第一阶段采用轻量级差分进化快速识别可行流形,而第二阶段通过 S
本文介绍了 SRCA-CEC,一种基于结构化随机循环引导算法(SRCA)的混合两阶段框架,旨在解决复杂的现实世界约束优化问题。针对反应式约束处理方法在不相交可行域中的局限性,所提出的框架实现了一种混合搜索策略。第一阶段采用轻量级差分进化快速识别可行流形,而第二阶段通过 SRCA 引擎和自适应约束死区方法(CDM)平衡方向引导探索和确定性开发。此外,整合了一种基于序列最小二乘规划(SLSQP)的拉马克修复算子,该算子通过记忆化预言机进行严格管理,旨在严格遵循计算预算的同时改进解。对 IEEE CEC2020 基准测试中 57 个现实问题的广泛统计评估表明,SRCA-CEC 在精度和鲁棒性之间实现了极具竞争力的权衡。与包括 EnMODE、SASS、COLSHADE 以及较新的 SDDS-SABC 在内的最先进算法的比较,以及性能剖面分析,证实了所提出方法的可靠性,该方法在整个 57 个问题的基准测试套件中达到了 100% 的可行率。最后,复杂度指标表明计算开销可控,验证了该框架适用于要求苛刻的工程设计应用。