一种集成学习的差分进化算法
合集下载
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第 3"卷 第 2 期 2018年 6 月
金陵科技学院学报 JOURNAL OF JINLING INSTITUTE OF TECHNOLOGY
D O I:10.16515/ki.32-1722/n.2018.02.0005
V ol.3"! No.2 Ju n e,2018
一种集成学习的差分进化算法
this paper,which uses population scale linear regulation mechanism. After each iteration,the
individuals in the population are sorted according to the fitness value,and the worst fitness in
XIE Y u 1,,WANG Qing-long1 " ,ZHAO Chun-xia2"
University,
Hefei 230601, China; 2. Nanjing University
of Science
and Technology, Nanj
Abstract:A differential evolution (DE) algorithm based on intergrated learning is proposed in
种 群 中 的 个 体 进 行 排 序 ,剔 除 适 应 度 最 差 的 个 体 来 改 变 种 群 规 模 (population size,N P ) & 这 使 得 个 体 的 数 量 随
着 评 估 次 数 的 增 加 而 线 性 减 小 ,有 效 提 高 了 收 敛 性 。将 该 算 法 应 用 到 测 试 函 数 集 以 及 进 行 特 征 子 集 选 择 时 获 得
feature subs
集成学习(Ensemble Learning)是机器学习的一个重要的研究方向,它通过某种方式将一些简单的分 类器组合成一个集成学习机来解决同一个问题,以期取得比单个分类器更好的性能[1]。 有研究者使用一 组神经网络的组合来解决他们遇到的问题,实验结果表明使用这一组神经网络形成的集成,比最好的个体 神经网络的性能还要好[1]。 W ang等[2]在进化计算领域也使用了类似的集成方法,该方法叫做组合试验 向量产生策略和控制参数的差分进化算法(C〇D E) ,算法对多个策略和多个参数组合进行了集成。 在 CoDE 算法中使用的三 种 DE 策略分别是:DE/rand/1/bin、DE/rand/2/bin 和 DE/current-to-rand/1/bin。 而对于尺度因子和变异概率因子,这里选择的三 种组合分别为适合处理可分解问题的D F = 1 .0 , 0 = 0.1 ] 组合,可以保持种群多样性以及适合全局搜索的DF=1. 0 ,C r=0. 9]组合,以及可以加速种群收敛的[_F = 0. 8 ,C r=0. 2]组合。 在 CqD E 算法中,每个策略都从参数池里随机选择一组参数,用三 种不同的策略分
收稿日期"0 1 8 -0 6 -0 2
基 金 项 目 :国 家 自 然 科 学 基 金 面 上 项 目 (6177 32 10);国 家 自 然 科 学 基 金 面 上 项 目 (1775025)
作 者 简 介 :谢 宇 (977— ),男 ,安 黴 芜 湖 人 ,讲 师 ,博 士 ,主 要 从 事 模 式 识 别 和 进 化 计 算 研 究 。 通 信 作 者 :王 庆 龙 (968— ),男 ,安 黴 六 安 人 ,教 授 ,博 士 ,主 要 从 事 过 程 控 制 和 新 能 源 领 域 研 究 。
了优异的平均分类正确率。
关 键 词 :集 成 学 习 ;差 分 进 化 ;进 化 计 算 ;种群规模
中 图 分 类 号 :TP301
文 献 标 识 码 :A
文 章 编 号 " 6 7 2 - 755X(2018)02 - 0019 - 0"
(1. Hefei
Differential Evolution Algorithm Based on Integrated Learning
dividuals are eliminated to change the population size (NP) . This makes the number of individ
பைடு நூலகம்
uals decrease linearly with the increase of the number of evaluations,which effectively im
赵 春 霞 (96"— ),女 ,北 京 人 ,教 授 ,博 士 ,主 要 从 事 模 式 识 别 和 智 能 机 器 人 领 域 研 究 。
20
金陵科技学院学报
第 3"卷
别给目标向量产生一个试验向量,根据产生的试验向量的适应度值来选择一个个体进人下一次迭代。
1 LCoDE算法
c 〇d e 算法的种群规模是保持不变的,而且使用的迭代终止条件是适应度评估次数达到预先设定的
proves the convergence. The algorithm
is applied
to
test function set and
tion,and the average classification accuracy is obtained.
Key words:integrated learning;differential evolution;evolutionary computation;population size
谢 宇 1 2 , 王 庆 龙 ^ ,赵 春 霞 2 " ( 1 . 合 肥 学 院 电 子 信 息 与 电 气 工 程 系 ,安 黴 合 肥 230601 ( . 南 京 理 工 大 学 计 算 机 科 学 与 工 程 学 院 ,江 苏 南 京 21009")
摘 要 :提 出 一 种 使 用 种 群 规 模 线 性 调 节 机 制 的 集 成 学 习 差 分 进 化 算 法 。该 算 法 在 每 次 迭 代 后 根 据 适 应 度 值 对
金陵科技学院学报 JOURNAL OF JINLING INSTITUTE OF TECHNOLOGY
D O I:10.16515/ki.32-1722/n.2018.02.0005
V ol.3"! No.2 Ju n e,2018
一种集成学习的差分进化算法
this paper,which uses population scale linear regulation mechanism. After each iteration,the
individuals in the population are sorted according to the fitness value,and the worst fitness in
XIE Y u 1,,WANG Qing-long1 " ,ZHAO Chun-xia2"
University,
Hefei 230601, China; 2. Nanjing University
of Science
and Technology, Nanj
Abstract:A differential evolution (DE) algorithm based on intergrated learning is proposed in
种 群 中 的 个 体 进 行 排 序 ,剔 除 适 应 度 最 差 的 个 体 来 改 变 种 群 规 模 (population size,N P ) & 这 使 得 个 体 的 数 量 随
着 评 估 次 数 的 增 加 而 线 性 减 小 ,有 效 提 高 了 收 敛 性 。将 该 算 法 应 用 到 测 试 函 数 集 以 及 进 行 特 征 子 集 选 择 时 获 得
feature subs
集成学习(Ensemble Learning)是机器学习的一个重要的研究方向,它通过某种方式将一些简单的分 类器组合成一个集成学习机来解决同一个问题,以期取得比单个分类器更好的性能[1]。 有研究者使用一 组神经网络的组合来解决他们遇到的问题,实验结果表明使用这一组神经网络形成的集成,比最好的个体 神经网络的性能还要好[1]。 W ang等[2]在进化计算领域也使用了类似的集成方法,该方法叫做组合试验 向量产生策略和控制参数的差分进化算法(C〇D E) ,算法对多个策略和多个参数组合进行了集成。 在 CoDE 算法中使用的三 种 DE 策略分别是:DE/rand/1/bin、DE/rand/2/bin 和 DE/current-to-rand/1/bin。 而对于尺度因子和变异概率因子,这里选择的三 种组合分别为适合处理可分解问题的D F = 1 .0 , 0 = 0.1 ] 组合,可以保持种群多样性以及适合全局搜索的DF=1. 0 ,C r=0. 9]组合,以及可以加速种群收敛的[_F = 0. 8 ,C r=0. 2]组合。 在 CqD E 算法中,每个策略都从参数池里随机选择一组参数,用三 种不同的策略分
收稿日期"0 1 8 -0 6 -0 2
基 金 项 目 :国 家 自 然 科 学 基 金 面 上 项 目 (6177 32 10);国 家 自 然 科 学 基 金 面 上 项 目 (1775025)
作 者 简 介 :谢 宇 (977— ),男 ,安 黴 芜 湖 人 ,讲 师 ,博 士 ,主 要 从 事 模 式 识 别 和 进 化 计 算 研 究 。 通 信 作 者 :王 庆 龙 (968— ),男 ,安 黴 六 安 人 ,教 授 ,博 士 ,主 要 从 事 过 程 控 制 和 新 能 源 领 域 研 究 。
了优异的平均分类正确率。
关 键 词 :集 成 学 习 ;差 分 进 化 ;进 化 计 算 ;种群规模
中 图 分 类 号 :TP301
文 献 标 识 码 :A
文 章 编 号 " 6 7 2 - 755X(2018)02 - 0019 - 0"
(1. Hefei
Differential Evolution Algorithm Based on Integrated Learning
dividuals are eliminated to change the population size (NP) . This makes the number of individ
பைடு நூலகம்
uals decrease linearly with the increase of the number of evaluations,which effectively im
赵 春 霞 (96"— ),女 ,北 京 人 ,教 授 ,博 士 ,主 要 从 事 模 式 识 别 和 智 能 机 器 人 领 域 研 究 。
20
金陵科技学院学报
第 3"卷
别给目标向量产生一个试验向量,根据产生的试验向量的适应度值来选择一个个体进人下一次迭代。
1 LCoDE算法
c 〇d e 算法的种群规模是保持不变的,而且使用的迭代终止条件是适应度评估次数达到预先设定的
proves the convergence. The algorithm
is applied
to
test function set and
tion,and the average classification accuracy is obtained.
Key words:integrated learning;differential evolution;evolutionary computation;population size
谢 宇 1 2 , 王 庆 龙 ^ ,赵 春 霞 2 " ( 1 . 合 肥 学 院 电 子 信 息 与 电 气 工 程 系 ,安 黴 合 肥 230601 ( . 南 京 理 工 大 学 计 算 机 科 学 与 工 程 学 院 ,江 苏 南 京 21009")
摘 要 :提 出 一 种 使 用 种 群 规 模 线 性 调 节 机 制 的 集 成 学 习 差 分 进 化 算 法 。该 算 法 在 每 次 迭 代 后 根 据 适 应 度 值 对