典型文献
多空间协同进化的自然计算方法
文献摘要：
在自然计算方法中,种群规模大,计算复杂度高;种群规模小,容易陷入局部最优.本文提出多空间协同进化(Multi-space Coevolution,简称MSC)的自然计算方法,该方法适用于各种基于种群进化的优化算法,不依赖于算法进化的具体步骤,具有普适性.在传统的生物种群进化的基础上,将大种群分解为个数有限的小种群,部分小种群组成进化空间,另一部分构成指导空间,两个空间拥有不同的功能,指导空间通过特定的信息传递方式将经验概括信息传递到进化空间,从而使整个种群协同进化.将该策略分别应用到粒子群优化算法(PSO)和遗传算法(GA)中,并与标准粒子群算法、遗传算法以及目前主流的针对大规模问题进行优化的7个算法对比,在高维测试函数中,结果表明,寻优性能方面新的种群进化算法相比其他算法提高80％左右,具有普适性.
文献关键词：
指导空间;进化空间;协同进化;自然计算
中图分类号：
作者姓名：
孙小晴;季伟东;林平;徐浩天
作者机构：
哈尔滨师范大学 计算机科学与信息工程学院,哈尔滨150025;哈尔滨医科大学,哈尔滨150086
文献出处：
引用格式：
[1]孙小晴;季伟东;林平;徐浩天-.多空间协同进化的自然计算方法)[J].小型微型计算机系统,2022(01):15-21
A类：
自然计算,Coevolution,进化空间
B类：
多空间,空间协同,协同进化,种群规模,计算复杂度,局部最优,Multi,space,MSC,种群进化,不依,具体步骤,生物种群,大种,小种,种群组成,指导空间,信息传递,传递方式,种群协同,粒子群优化算法,PSO,GA,标准粒子群算法,大规模问题,算法对比,高维,测试函数,寻优性能,进化算法
AB值：
0.323149
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
