.png){kind=icon}
返回
SERI: Stagnation-Based Extinction and Re-initialization Operator for Enhanced Evolutionary Optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-4367-0_39.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
进化算法不断发展并持续广泛应用于解决复杂优化问题，包括神经处理架构和超参数调优。然而，由于它们通常依赖选择、交叉和变异等算子，因此常常容易陷入停滞、多样性丧失和早熟收敛，这会阻碍其达到全局最优的能力。基于受生物进化启发的近期工作，并在Peircean进化算法（PEA）的基础上构建，该算法整合了哲学启发的三元模型并强调了引入额外机制以克服这些限制的价值，本文提出了一种新颖的基于停滞的灭绝与再初始化（SERI）算子。该算子的设计旨在主动检测种群中的停滞个体，并通过再初始化注入新鲜多样性以维持探索并提升整体性能。在包括进化计算竞赛2022（CEC22）套件在内的各种基准测试函数上的实验结果证明了所提出方法的有效性。比较分析突显了SERI在提升基于种群的优化算法性能方面的潜力。此外，我们还测试了SERI在超参数微调和CNN架构中的应用。
Keyword:
Evolutionary algorithms
Peircean Evolutionary Algorithm
Population Diversity
Stagnation
Extinction and Re-initialization
期刊
N
IF:
0
论文数:
28
被引数:
0
机构
引用论文
.png){kind=icon}
Multiple Topology SHADE with Tolerance-based Composite Framework for CEC2022 Single Objective Bound Constrained Numerical Optimization基于容错型复合框架的多拓扑 SHADE 算法在 CEC2022 单目标边界约束数值优化中的应用
PREAI
分享收藏
查看更多内容