:::: MENU ::::
Large Scale Global Optimization

Large Scale Global Optimization using Self-adaptive Differential Evolution Algorithm

“Large Scale Global Optimization using Self-adaptive Differential Evolution Algorithm” başlıklı çalışma Brest, J., Zamuda, A., Fister, I., Maučec, M. S. tarafından yapılmış 2010 yılı Temmuz ayındaki IEEE Congress on Evolutionary Computation (pp. 1-8) kongresinde sunulmuştur.

Çalışmada gerçeklenen kendinden uyarlamalı diferansiyel evrim algoritmasına jDElsgo ismi verilmiştir.

Çalışmada önerilen algoritma MLCC {Z. Yang, K. Tang, and X. Yao. Multilevel Cooperative Coevolution for Large Scale Optimization. In Proc. IEEE World Congress on Computational Intelligence (WCCI 2008), pages 1663–1670. IEEE Press, 2008.} ve DECC-G {Z. Yang, K. Tang, and X. Yao. Large scale evolutionary optimization using cooperative coevolution. Information Sciences, 178(15):2985–2999, 2008.} ile kıyaslanmıştır.

Algoritmanın kontrol parametrelerinden F ve CR kendi kendini değiştirebilen bir strateji ile güncellenmektedir. Mutasyon işlemi yapılmadan önce aşağıdaki şekilde parametreler güncellenir:

f-cr

Popülasyon sayısı azaltılarak daha iyi bireylere yaşam hakkı tanınmaktadır. Popülasyon azaltma mekanizması sağlamlık(robustness) açısından iyi bir performansa sahiptir {Ferrante Neri and Ville Tirronen. Recent advances in differential evolution: a survey and experimental analysis. Artificial Intelligence Review, 33(1–2):61–106, 2010.}

np

F parametresinin işaretini değiştirerek çözüm değeri değiştirilir.

f

Çalışmada kullanılan benchmark fonksiyonları ve özellikleri:

cec-benchmark-functions

Çalışmada Max FEs = 3, 000, 000, D = 1000, ve pmax = 4 alındığı durumda;

npp-genp

Popülasyon boyutu 100 iken 750000/100=7500 iterasyon,
Popülasyon boyutu 50 iken 750000/50=15000 iterasyon,
Popülasyon boyutu 25 iken 750000/25=30000 iterasyon,
Popülasyon boyutu 12 iken 750000/25=62500 iterasyon yapılır.

Çalışmada F = 0.5, CR = 0.9, NP = 100, pmax = 4 parametreleri kullanılmıştır.

Algoritmik çerçeve:

jdelsgo-algoritmik-cerceve

120000,600000,3000000 FEs şeklindeki çalıştırmalar yapılmıştır.
jdelsgo

DECC-G, DECC-G* ve MLCC algoritmalarının 3000000 FEs sonuçları ile kıyaslanmıştır.
jdelsgo-mlcc-decc-g

F2, F5, F8, F10, F13, F15, F18 ve F20 Fonksiyonları için Yakınsama Grafikleri:

yakinsama

Çalışmayı indirmek için:
large_scale_global_optimization_using_self_adaptive_differential


Parameter Adaptation for Differential Evolution in solving Very Large Scale Global Optimization

“Parameter Adaptation for Differential Evolution in solving Very Large Scale Global Optimization” başlıklı çalışma Renee Seah tarafından 2,5 dakikada kısa ve öz bir şekilde İngilizce altyazılı olarak sunulmuştur. Sempozyumlarda ve kongrelerde hızlıca konuyu anlatmaya yönelik güzel bir örnek olabilir.