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。


分解策略的分类:
  f2 p8 @0 }4 j
( j4 P5 L# X0 o* \7 R( [, E; x: P①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。

' l0 O5 L& A" y- A4 G7 B% J②扰动：使用若干方法扰动决策变量尝试对变量进行分组。

0 x4 {) j7 B' T/ B: _- G③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。

# W- ?5 I& U8 c

下面是CC算法不同的分解策略体现的论文:
8 _; {. x* w8 T. e
Liu, X. Yao, Q. Zhao, and T. Higuchi, “Scaling up fast evolutionary
, S* R* _5 T2 D& [( \programming with cooperative coevolution,” in Proc. IEEE Congr. Evol.
* f" A+ ~; k& VComput., 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）
* Q( K' s# z  W+ }van den Bergh and A. P. Engelbrecht, “A cooperative approach to
6 V% J2 o8 X9 V& sparticle 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）



; \' d" @6 \- _( h/ g6 B( IShi, H. Teng, and Z. Li, “Cooperative co-evolutionary differential
evolution for function optimization,” in Proc. Int. Conf. Natural Comput.,
$ P& U+ n0 r7 L) N( u- 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
using cooperative coevolution,” Inf. Sci., vol. 178, pp. 2986–2999,
) c/ @: P+ K4 K0 o) fAug. 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）
! X, i( {8 v% p6 m0 ]5 G, L+ a
  O# [0 d5 N% d% L5 W* r( oN. Omidvar, X. Li, Z. Yang, and X. Yao, “Cooperative coevolution
/ a# R, D9 n  [9 R# ufor large scale optimization through more frequent random
! ?2 m6 u3 K" jgrouping,” in Proc. IEEE Congr. Evol. Comput., Jul. 2010,1754–1761.（修正的CPSO随机分组方案，达到2000维）
/ [  \8 g# r& p' }# o$ S  z# F
" d- F5 A& Y1 Q

% I' n* R- N& g0 HN. Omidvar, X. Li, and X. Yao, “Cooperative co-evolution with delta
grouping for large scale non-separable function optimization,” in Proc.
$ X5 t0 u* a0 R. VIEEE 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( X  ?7 C% g. G5 c; h) V1 x( o6 eYang, K. Tang, and X. Yao, “Multilevel cooperative coevolution
for large scale optimization,” in Proc. IEEE Congr. Evol. Comput.,
6 A# U  n, h& {) A; ?1 EJun. 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）

* |# u( a9 J9 U- g8 |0 u0 L% ^4 i& B
6 B  d' o9 w$ P8 K" H) s1 N3 ]
) X7 F& ]. ?0 P5 [6 E7 @: A, l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）