정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
ACDE²: 수렴 속도가 향상된 적응적 코시 분포 차분 진화 알고리즘 |
| 영문제목(English Title) |
ACDE²: An Adaptive Cauchy Differential Evolution Algorithm with Improved Convergence Speed |
| 저자(Author) |
최태종
안창욱
Tae Jong Choi
Chang Wook Ahn
|
| 원문수록처(Citation) |
VOL 41 NO. 12 PP. 1090 ~ 1098 (2014. 12) |
한글내용
(Korean Abstract) |
이 연구는 단봉 전역 최적화 성능이 개선된 적응적 코시 분포 차분 진화 알고리즘을 제안한다. 기존 적응적 코시 분포 차분 진화 알고리즘은(ACDE) 개체의 다양성을 보장하여 다봉 전역 최적화 문제에 우수한 “DE/rand/1” 돌연변이 전략을 사용했다. 그러나 이 돌연변이 전략은 수렴 속도가 느려 단봉 전역 최적화 문제에 단점이 있다. 제안 알고리즘은 “DE/rand/1” 돌연변이 전략 대신 수렴 속도가 빠른 “DE/current-to-best/1” 돌연변이 전략을 사용했다. 이때, 개체의 다양성이 부족하여 발생할 수 있는 지역 최적해로의 수렴을 방지하기 위해서 매개변수 초기화 연산이 추가됐다. 매개변수 초기화 연산은 특정세대를 주기로 실행되거나 또는 선택 연산에서 모든 개체가 진화에 실패하는 경우 실행된다. 매개변수 초기화 연산은 각 개체들의 매개변수에 탐험적 특성이 높은 값을 할당하여 넓은 공간을 탐색할 수 있도록 보장한다. 성능 평가 결과, 개선된 적응적 코시 분포 차분 진화 알고리즘이 최신 차분 진화 알고리즘들에 비해 특히, 단봉 전역 최적화 문제에서 성능이 개선됨을 확인했다.
|
영문내용
(English Abstract) |
In this paper, an improved ACDE (Adaptive Cauchy Differential Evolution) algorithm with faster convergence speed, called ACDE2, is suggested. The baseline ACDE algorithm uses a "DE/rand/1" mutation strategy to provide good population diversity, and it is appropriate for solving multimodal optimization problems. However, the convergence speed of the mutation strategy is slow, and it is therefore not suitable for solving unimodal optimization problems. The ACDE2 algorithm uses a "DE/current-to-best/1" mutation strategy in order to provide a fast convergence speed, where a control parameter initialization operator is used to avoid converging to local optimization. The operator is executed after every predefined number of generations or when every individual fails to evolve, which assigns a value with a high level of exploration property to the control parameter of each individual, providing additional population diversity. Our experimental results show that the ACDE2 algorithm performs better than some state-of-the-art DE algorithms, particularly in unimodal optimization problems.
|
| 키워드(Keyword) |
인공 지능
진화 연산 및 유전 알고리즘
전역 최적화
|
| 파일첨부 |
PDF 다운로드
|
