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。


" C1 i# r) r- K分解策略的分类:

①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。
8 k/ g' o( b& y( a
②扰动：使用若干方法扰动决策变量尝试对变量进行分组。
& F# r: a: k* g& b4 B& i5 }; |' x
③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。
  P6 B" R' Q) H7 B! `1 l9 y


下面是CC算法不同的分解策略体现的论文:
" R) {# [3 a1 v  E" t! D8 Y
Liu, X. Yao, Q. Zhao, and T. Higuchi, “Scaling up fast evolutionary
; ^( R, }3 i6 z$ U6 _) Fprogramming with cooperative coevolution,” in Proc. IEEE Congr. Evol.
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
9 K2 x. y% W0 e" D# a2 |: Dparticle 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）
1 z# m7 I' J- r/ U8 R: M. `) d# z
8 O$ V2 G" N7 I2 P! l
' w* ]- X5 w) z: O; \
Shi, H. Teng, and Z. Li, “Cooperative co-evolutionary differential
evolution for function optimization,” in Proc. Int. Conf. Natural Comput.,
! Z, n8 Z! g+ i0 k8 ?0 T2005, 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
! ]3 @7 j- q# U+ r  ousing cooperative coevolution,” Inf. Sci., vol. 178, pp. 2986–2999,
Aug. 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）
5 M8 d3 Y2 x% @1 b
N. Omidvar, X. Li, Z. Yang, and X. Yao, “Cooperative coevolution
for large scale optimization through more frequent random
, l! v; V, a, s5 @% wgrouping,” in Proc. IEEE Congr. Evol. Comput., Jul. 2010,1754–1761.（修正的CPSO随机分组方案，达到2000维）

7 H) f+ |% D- q: z, y' ^, ?
% m/ t! I% R6 Y$ h$ ~
- x* b7 u, f; b: p; i9 J" \2 T7 _$ m, WN. Omidvar, X. Li, and X. Yao, “Cooperative co-evolution with delta
3 |$ G  s& [8 n" ngrouping for large scale non-separable function optimization,” in Proc.
$ S( }' O$ E& q' IIEEE 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）

; N& {2 E5 D' M
; o8 d) Y+ z# d
Yang, K. Tang, and X. Yao, “Multilevel cooperative coevolution
# A) \! y7 Y" Wfor large scale optimization,” in Proc. IEEE Congr. Evol. Comput.,
( [! s' h$ l3 M$ q+ Y! SJun. 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）
, V, n3 {( I5 K' t# |$ c
* a  y0 _9 c3 s0 Z9 g, r* y4 a
3 _( A/ i/ q; o+ h7 s
$ }& \5 G6 {0 a0 `8 ^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）