私は、遺伝的アルゴリズム (GA) の各パラメーターを、指定された間隔で実際の値にエンコードできるバイナリ文字列として表現できる方法に慣れています。
私は現在、差分進化 (DE) コードをコーディングしていますが、パラメーター間隔が GA のように制御されていることについては何も読んでいないため、この手順について少し混乱しています... ここに私の質問があります:
1) DE でパラメータの間隔を制御するものはありますか? 誰でも目的に合わせて DE を変更できることは理解していますが、DE が伝統的にどのように使用されているかについては興味があります。
2) 最初のランダム化された母集団の間隔を指定する方法はわかりましたが、突然変異操作と交差操作で間隔を制限するものはありますか?
3) パラメータに境界がない場合、突然変異とクロスオーバー操作は自由にすべての空間を探索できますか?
御時間ありがとうございます。
差分進化フィルターは、2 つの母集団メンバー間の加重差分ベクトルを 3 番目のメンバーに追加することによって、新しいパラメーター ベクトルを生成します。結果のベクトルが所定の母集団メンバーよりも低い目的関数値を生成する場合、新しく生成されたベクトルは比較されたベクトルに置き換えられます。それ以外の場合は、古いベクトルが保持されます。情報はこちら。
1) DE でパラメータの間隔を制御するものはありますか? 誰でも目的に合わせて DE を変更できることは理解していますが、DE が伝統的にどのように使用されているかについては興味があります。
DE には、戦略と呼ばれるものがあります。沢山あります：
1 --> DE/best/1/exp 6 --> DE/best/1/bin
2 --> DE/rand/1/exp 7 --> DE/rand/1/bin
3 --> DE/rand-to-best/1/exp 8 --> DE/rand-to-best/1/bin
4 --> DE/best/2/exp 9 --> DE/best/2/bin
5 --> DE/rand/2/exp else DE/rand/2/bin
ここでMatlabのコードを見つけることができます。
2) 最初のランダム化された母集団の間隔を指定する方法はわかりましたが、突然変異操作と交差操作で間隔を制限するものはありますか?
突然変異と交差は、選択した戦略によって制限されます。
3) パラメータに境界がない場合、突然変異とクロスオーバー操作は自由にすべての空間を探索できますか?
理論的には、すべてのソリューション スペース内で制限を開始すると、DE はグローバルな最適値を見つけます。しかし、私の経験では、解空間の初期パラメータと制限は、迅速な応答を得るために非常に重要であることに気付きました。簡単に言えば、ソリューションがどこにあるのかを少しでも知っている場合、これらの値内でパラメーターを区切ると、DE はより適切に動作します。