Improving Performance of Covariance Matrix Adaptation Evolutionary Strategy with Constraint Handling Methods.pdf

1、優(yōu)化技術作為一個重要的科學分支，它一直受到人們的廣泛重視，并在諸多工程領域得到迅速推廣和應用，如規(guī)劃、工程設計、醫(yī)療應用、圖像處理和計算機科學等。約束性優(yōu)化問題也一直是優(yōu)化領域關注的主要對象.每類約束優(yōu)化問題的約束條件個數(shù)和約束條件復雜度都不同。根據(jù)NFL定理，針對所有的優(yōu)化問題和約束條件，沒有任何算法始終優(yōu)越于所有其他算法。CMA-ES對于解決非線性或非凸優(yōu)化問題特別有效，CMA-ES算法主要用來解決無約束優(yōu)化問題。CMA-ES主要的

2、約束處理方法是死亡罰函數(shù)法作為約束處理方法。目前，我們研究了對處理無約束優(yōu)化問題的CMA-ES算法性能。但是，還沒有對約束優(yōu)化問題進行大量的研究工作。由此，我們研究了CMA-ES的三種不同的約束處理方法，即可行解的最優(yōu)，基于對比的ε水平和基于方法的懲罰。在本文中，我們提出一個基于種群代數(shù)和可行比的動態(tài)的懲罰函數(shù)法。我們通過用以上的三種方法來解決標準CEC2010基準問題就它們的效率進行了比較。根據(jù)結果，對于大多數(shù)優(yōu)化問題，我們發(fā)現(xiàn)基于動