Differential Evolution: A Practical Approach to Global Optimization

by Kenneth V. Price, Rainer M. Storn, Jouni A. Lampinen

Problems demanding globally optimal solutions are ubiquitous, yet many are intractable when they involve constrained functions having many local optima and interacting, mixed-type variables. The differential evolution (DE) algorithm is a practical approach to global numerical optimization which is easy to understand, simple to implement, reliable, and fast. Packed with illustrations, computer code, new insights, and practical advice, this volume explores DE in both principle and practice. It is a valuable resource for professionals needing a proven optimizer and for students wanting an evolutionary perspective on global numerical optimization.

558 pages, Hardcover

First published December 1, 2005

Reviews

[Jessada Karnjana · Rating 5 out of 5]

DE เป็น search algorithm ในกลุ่ม evolutionary algorithm (ข้อดีประการหนึ่งของกลุ่มนี้คือเราไม่ต้องกังวลว่า objective function หาอนุพันธ์ได้หรือไม่ ทั้งยังไม่ต้องกังวลปัญหา starting point ที่อาจนำไปสู่การลู่เข้า local min/max) คล้าย evolution strategies กับ genetic algorithms แต่ดีกว่า ES แบบเบสิกเพราะไม่ติดปัญหา step size แตกต่างจาก GA ทั้งวิธี encode พารามิเตอร์ การเลือก based vector และ recombination จะว่าไปมันคล้าย ๆ กับ Nelder-Mead กับ controlled random search ในแง่ที่ใช้ difference vector แต่ไม่จำกัดกลุ่มตัวอย่างอยู่แค่โครงสร้าง simplex ของพารามิเตอร์เหมือน Nelder-Mead และหลีกเลี่ยงข้อด้อยของ CRS ที่ว่ากันว่ามี selective pressure สูง บีบให้ประชากรลู่เข้าก่อนวัยอันควรอันเนื่องมาจากการแทนที่ประชากรตัวที่แย่ที่สุดด้วยประชากรตัวที่ดีกว่าทุกครั้งที่เจอ และนี่ยังเป็นเหตุให้เรา implement วิธี CRS แบบขนานได้ยากด้วย

ดูรีวิว https://www.jessada-k.com/single-post...