集合体および算術再結合に基づく種分化差分進化による多峰最適化

多峰最適化問題は、複数の等しいまたは比較可能な空間分布された解から構成されます。ニッチングとクラスタリングの差分進化（DE）技術はこのような問題を解決するのに非常に効果的であることが示されています。種分化ニッチング技術の主な課題は、局所解の利用とグローバル探索のバランスを取ることです。私たちの提案は、種分化に算術再結合を適用することで探索を強化し、アンサンブル戦略を使った近傍突然変異により個々のピークの利用を改善します。私たちの新しいアルゴリズムは、集合体および算術再結合に基づく種分化DEと呼ばれ、29の一般的な多峰ベンチマーク問題において最先端のアルゴリズムと比較して優れた性能を発揮するか、同等の性能を示すことがわかっています。同等の性能は、文献中のアルゴリズムがいくつかの問題を完璧に解決した場合にのみ観察されます。