[论文解读] Adaptive Chemical Reaction Optimization for Global Numerical Optimization

James J. Q. Yu, Albert Y. S. Lam+1 more|arXiv (Cornell University)|Jul 9, 2015

Metaheuristic Optimization Algorithms Research参考文献 17被引用 5

一句话总结

本文提出自适应化学反应优化（ACRO），一种参数自适应的化学反应优化（CRO）变体，通过在搜索过程中基于反馈动态调整参数，将原始CRO的八个参数减少至三个。ACRO在24个标准连续优化函数上相比原始CRO表现出更优性能，收敛更快，且能有效避免早熟收敛，计算开销可忽略不计。

ABSTRACT

A newly proposed chemical-reaction-inspired metaheurisic, Chemical Reaction Optimization (CRO), has been applied to many optimization problems in both discrete and continuous domains. To alleviate the effort in tuning parameters, this paper reduces the number of optimization parameters in canonical CRO and develops an adaptive scheme to evolve them. Our proposed Adaptive CRO (ACRO) adapts better to different optimization problems. We perform simulations with ACRO on a widely-used benchmark of continuous problems. The simulation results show that ACRO has superior performance over canonical CRO.

研究动机与目标

• 将原始化学反应优化（CRO）中的调参数量从八个减少至三个。
• 开发一种基于优化过程中反馈动态演化的自适应参数方案。
• 在无需人工调参的前提下，提升连续数值问题的优化性能。
• 在24个连续函数的标准基准集上，评估ACRO与原始CRO的性能表现。
• 证明ACRO在计算开销极低的前提下，实现更快收敛速度和更优解质量。

提出的方法

• ACRO通过集成对关键参数（步长、活化能、分子数量）的自适应控制机制，将CRO参数数量从八个减少至三个。
• 自适应方案基于搜索过程中的反馈（如收敛速率和能量变化）动态调整参数，以平衡探索与开发。
• 评估了边界处理规则，ACRO更偏好约束规则（9）而非混合规则，从而在多峰函数上表现更优。
• 测试了两种合成策略——基础型与边界投影型，结果显示ACRO/BB与ACRO/BP之间性能无显著差异。
• 该算法采用基于反馈的机制实时修改参数，增强了在多样化优化景观中的适应能力。
• 自适应机制的计算开销控制在原始CRO运行时间的5%以内，确保了高效性。

实验结果

研究问题

• RQ1 将CRO参数数量从八个减少至三个，是否能提升优化性能并降低调参工作量？
• RQ2 CRO中采用自适应参数方案是否能实现比固定参数CRO更快的收敛速度和更优的解质量？
• RQ3 ACRO在24个连续基准函数上的多样化集合中，与原始CRO相比表现如何？
• RQ4 ACRO中哪种边界处理策略和合成方法能取得最佳性能？
• RQ5 ACRO中自适应参数机制的计算开销与原始CRO相比如何？

主要发现

• ACRO在24个基准函数中的14个上优于原始CRO，尤其在单峰和多峰问题中表现突出。
• ACRO在平均结果上显著优于原始CRO，尤其在f1–f10函数中，收敛速度提升最高达1.5倍。
• 自适应方案大幅减少了参数调优工作量，额外计算成本不足原始CRO的5%。
• ACRO/BP（边界投影规则）始终优于ACRO/HP（混合规则），表明对约束规则（9）具有偏好。
• ACRO/BB与ACRO/BP在所有函数上表现相当，表明两种合成方法无显著优势。
• ACRO比原始CRO更有效地防止早熟收敛，复杂函数如f15和f20的多次运行中均表现出一致收敛性。