累积多适应度基因算法用于多模态函数优化。
摘要：一种累积多聚类遗传算法 (CMN GA) 用于加速具有计算复杂的多模态目标函数的优化问题。通过从种群中不丢弃个体，CMN GA 在探索设计空间时利用了每个目标函数评估的信息。对设计空间进行基于适应度的种群密度控制，减少了不必要的目标函数评估。算法独特的遗传操作安排能够快速而稳健地收敛到多个局部最优解。与其他三种多聚类算法进行的基准测试表明，CMN GA 具有更好的收敛能力，并且实现了在达到给定收敛水平所需的目标函数评估数量上数量级的降低。
作者：Matthew Hall
论文ID：1304.0751
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2013-04-03