求解大规模优化问题的新型协同差分进化算法
来源：计算机应用杂志2017年第11期北京时间：
作者：董小刚, 邓长寿, 谭毓澄, 彭虎, 吴志健
单位：1. 九江学院 信息科学与技术学院, 江西 九江 332005;2. 九江学院 理学院, 江西 九江 332005;3. 软件工程国家重点实验室(武汉大学), 武汉 430072
摘要：基于分而治之的策略，研究求解大规模优化问题的新方法。首先，基于加性可分性原理提出一种改进的变量分组方法，该方法以随机取点的方式，成对检测所有变量之间的相关性；同时，充分利用相关性学习的信息，对可分变量组进行再次降维；其次，引入改进的差分进化算法作为新型子问题优化器，增强了子空间的寻优性能；最后，将两项改进引入到协同进化框架构建DECC-NDG-CUDE算法。在10个选定的大规模优化问题上进行分组和优化两组仿真实验，分组实验结果表明新的分组方法能有效识别变量的相关性，是有效的变量分组方法；优化实验表明，DECC-NDG-CUDE算法对10个问题的求解相对于两种知名算法DECC-DG、DECCG在性能上具备整体优势。
关键词：大规模优化,变量分组,加性可分,优化器,协同进化
基金资助：国家自然科学基金资助项目（61364025）；江西省教育厅科技项目（GJJ161072，GJJ161076）。
