發展導引式演化策略演算法以處理實數參數之全域最佳化問題

Abstract

演化策略(ES)為模仿自然界演化機制而發展出來的一種隨機搜尋的演算法，截至目 前為止已成功地被應用在許多工程領域的實數參數最佳化問題上。不同於基因演算法 (Genetic Algorithm)，演化策略中特別強調利用突變 (mutation) 的演化機制來創造出新 的子代人口 (offspring population)。一般來說，在演化策略實數表示法的基礎點上，可 藉由在獨立個體表示法中加入一個平均值為 0、標準差為 1 的隨機高斯分佈變數 (Random Gaussian Distribution Variable) 來達成突變的效果。在演化策略的運算過程中脫 離不了以隨機搜尋的策略經由適者生存的準則來促使整體人口往較好的方向移動，適當 的突變強度 (mutation strength) 與演化前進路徑 (evolution path) 在演化策略上的效能 與穩定度扮演著極大的影響力。此計劃的研究目的為針對於這兩點特性，進而發展出引 導式演化策略演算法 (Particle Swarm Guided Evolution Strategy, PS-GES)，輔以粒子群優 法 (Particle Swarm Optimization, PSO) 的基本概念和機率統計的技巧，企圖使搜尋過程 中有能以更直接、更有效率的方式達到演化的目的。在初步的實驗結果顯示出吾人所研 發的演算法相對於過去的方法已有顯著的成效。 本計劃的主要研究步驟包含以下子主題: 一、演化策略與引導機制相互作用關係; 二、選用適當的機率統計技巧得以融入演算法本體; 三、引導式演化策略演算法之研發; 四、引導式演化策略演算法效能與穩定度之分析。 本計劃所提出的引導式演化策略演算法，能為演化策略演算法開闢新的研究方向，此思 維亦可應用在諸多最佳化演算法的效能改良上。本計劃將研究成果實作成一套最佳化的 工具軟體，使其他領域的人員能方便地將其應用在實數參數最佳化問題上。