Diverzita populace v algoritmu diferenciální evoluce

Bc. Hana ZÁMEČNÍKOVÁ

Master's thesis

Population Diversity in Differential Evolution Algorithm

Abstract:

Diferenciální evoluce je jedním z velmi úspěšných algoritm? pro globální optimalizaci. Jeho efektivitu však značně ovlivňuje nastavení vstupních parametrů. Proto byla navržena řada adaptivních verzí tohoto algoritmu. Většina z nich se zamě- řuje na adaptaci právě vstupních parametrů, řídících dvě následné operace (mutaci a křížení). Mnohem méně pozornosti je věnováno úpravě velikosti populace. Existuje ovšem mechanismus, který velikost populace upravuje v závislosti na aktuálním rozložení prvků populace v prohledávaném prostoru - tzv. diverzitě populace. Cílem práce je seznámit čtenáře s problematikou řečení úlohy globální optimalizace pomocí algoritmu diferenciální evoluce a jeho adaptivních verzí, zejména pak se zmíněným mechanismem úpravy velikosti populace v závislosti na její diverzitě. V práci jsou provedeny testy a následná porovnání klasických verzí algoritmů s algoritmy adaptujícími velikost populace na základě její diverzity.

Abstract:

Differential evolution is one of the most successful algorithms for global optimalization. However, the setting of input parameters greatly affects its efficiency. Therefore, many adaptive variants of this algorithm were proposed. Most of them focus just on input parameter's adaptation - the parameters which control two operations (mutation and crossover). To adaptation of population size, much less attention is dedicated. There is the mechanism, changing population size according to current placement of elements of population in search space - so called diversity of population. The aim of this work is to introduce the reader to the problem of global optimization solved by differential evolution algorithm and its adaptive versions, especially with the diversity-based adaptation of differential evolution. Tests and subsequently comparison of clasical versions of algorithms with the diversity-based ones are performed in this work.

Keywords

globální optimalizace, stochastický algoritmus, diverzita populace, diferenciální evoluce, adaptivní verze algoritmu diferenciální evoluce

Language used: Czech

Date on which the thesis was submitted / produced: 23. 4. 2018

Thesis defence

• Supervisor: RNDr. Radka Poláková, Ph.D.

University of Ostrava

Faculty of Science

Master programme / field:
Applied Mathematics / Applied Mathematics