文章 "群体优化算法:思维进化计算(MEC)算法"

 

新文章 群体优化算法:思维进化计算(MEC)算法已发布:

本文探讨了MEC家族的算法,称为简单思维进化计算(Simple Mind Evolutionary Computation, Simple-MEC,SMEC)算法。该算法以其思想之美和易于实现而著称。

在解决复杂的高维问题时,进化计算中使用的群体算法比经典算法具有许多优势。它们可以更有效地找到与最优解足够接近的次优解,这在实际优化问题中通常是可以接受的。 

进化计算中一种有趣的方法是Chengai和他的合著者于1998年提出的思维进化计算(Mind Evolutionary Computation,MEC)算法。与所预期的人脑建模不同,MEC算法对人类社会行为的某些方面进行建模。在这种算法中,每个人都被视为在一群人中发挥作用的智能体。在做出决定时,个人会感到受到其团队成员和其他团队成员的影响。要想在社会上获得崇高的地位,个人必须向团队中最成功的人学习。同时,为了使他的团队比其他团队更成功,所有个人在团队间竞争中都必须遵循相同的原则。MEC算法的一个重要方面是组内个体之间以及组之间的信息交换。这反映出需要持续和自由地交换信息,以成功发展一个由聪明的个人组成的社会。

MEC算法分别使用负责局部搜索和全局搜索的局部竞争和异化操作来实现所提出的概念。该算法使用留言板来存储有关种群进化历史的信息。基于该信息来控制优化过程。

作者:Andrey Dik