合作协同进化算法概述（Cooperative Coevolution）

pulbieup

合作协同进化（Cooperative Coevolution）是求解大规模优化算法一个有效的方法。将大规模问题分解为一组组较小的子问题。而合作协同进化的关键是分解策略。
/ P* N+ D" U  x
$ _$ i; W8 P- H7 P$ c( T
分解策略的分类:

0 H- _0 F% M$ \; ~) V8 e( a! V①随机分解：随机选择基因的顺序，但是用户要决定组的数量和组的大小。

" w" C' T/ O7 |& T" r②扰动：使用若干方法扰动决策变量尝试对变量进行分组。
, S; U+ |: n4 K) c& _( ^/ ?
8 Z( L) Y: k% s& E) H③模型建构：基于个体数量s的概率模型，在进化过程中迭代更新。
, J% n  d  s2 W4 i

" ]* v* U% x0 ?4 n8 \+ d
/ R4 [4 u; h) m, E, {, D" k' Q. h下面是CC算法不同的分解策略体现的论文:

Liu, X. Yao, Q. Zhao, and T. Higuchi, “Scaling up fast evolutionary
$ h, I2 _( M6 @- H1 _  ~. iprogramming with cooperative coevolution,” in Proc. IEEE Congr. Evol.
) O  t* G+ ]1 V! }9 A2 [Comput., 2001, pp. 1101–1108.（这是第一次解决1000维的基准问题采用的合作协同进化算法）
van den Bergh and A. P. Engelbrecht, “A cooperative approach to
particle swARM optimization,” IEEE Trans. Evol. Comput., vol. 8, no. 3,225–239, Jun. 2004.（这是第一个应用到PSO算法，将一个n维问题分成k-s维问题，没有在大规模的问题上测试过）


" F( f% T6 G# v; Z% G
Shi, H. Teng, and Z. Li, “Cooperative co-evolutionary differential
; J4 ?: i0 u3 B) ?' H' t) jevolution for function optimization,” in Proc. Int. Conf. Natural Comput.,
! a  k' f3 b/ R2005, pp. 1080–1088.（应用在差分进化算法中，决策变量被分成两个同样大小的子成分，不适合高维）
Yang, K. Tang, and X. Yao, “Large scale evolutionary optimization
* @8 u! X/ {- G# R. rusing cooperative coevolution,” Inf. Sci., vol. 178, pp. 2986–2999,
, o$ h1 ^# D2 P- N* R. A9 l! g( W. TAug. 2008.（将问题分成k-s维问题，使用随机分组，在1000维上取得了很好的效果）
9 G+ s- I( u+ d. o' I
6 Y% S8 `3 d; Q$ S+ A9 PN. Omidvar, X. Li, Z. Yang, and X. Yao, “Cooperative coevolution
for large scale optimization through more frequent random
grouping,” in Proc. IEEE Congr. Evol. Comput., Jul. 2010,1754–1761.（修正的CPSO随机分组方案，达到2000维）
5 t1 j1 W; J. v* V: a& h
, l# }! H7 @9 |; ]" }1 S( T9 T* g
$ \% y/ K) j/ q/ w: N
N. Omidvar, X. Li, and X. Yao, “Cooperative co-evolution with delta
4 x' E% c5 V0 Rgrouping for large scale non-separable function optimization,” in Proc.
IEEE Congr. Evol. Comput., Jul. 2010, pp. 1762–1769.（增量分组策略，当目标函数存在不可分子成分时性能低）



$ I) i& \$ |* k: I$ Z9 HYang, K. Tang, and X. Yao, “Multilevel cooperative coevolution
for large scale optimization,” in Proc. IEEE Congr. Evol. Comput.,
. j+ N& e& Q6 w  ^! R* R7 O, Z( L7 p! [Jun. 2008, pp. 1663–1670.（MLCC算法，一组不同s的值（子成分的大小）提供给算法，缺点较多）
* L) U. S- }# ~* L( j' N
* i0 G4 X+ y! e& Y' A" r

另外用CC算法做大规模优化的论文数量有不少。因此要应用CC算法，关键在分解策略提出。

yin123

合作协同进化算法概述（Cooperative Coevolution）