Page 40 - 《软件学报》2020年第11期

3356 Journal of Software 软件学报 Vol.31, No.11, November 2020

为 1 000,种群规模为 40,加速步长为 0.5,传递的个体比例各为 0.2,0.4,0.6,各层个体数目比例分别为 0.1,0.2,0.3,
0.4.对于各层搜索半径分别为 1,2,6,8,偏向权重设为 0.5.其实验结果为图 3 与图 4.

Fig.2 3-D chart Fig.3 Evolutionary curve
图 2 三维图 图 3 进化曲线

Fig.4 Exploration process
图 4 探索过程
从图 3 中可知,在迭代 40 次后,算法寻求到全局最优点,各代种群平均适应度值平稳浮动.可见,基于择优协
作策略的 PES 算法有着可观的收敛速度.图 4 是算法探索最优点的探索过程,用不同的颜色区别不同层的个体.
从图中可以发现,初始时,由于随机性产生初始种群,因而种群分布比较分散;但随着迭代的进行,从第 2 代开始,
对每一个个体来说,一方面受到层内竞争的压力以及上层对优秀个体的吸引力,另一方面受到择优协作的指导,
在这种混合驱动的压力下,使得优秀个体在 PES 算法的结构框架中能够更好地流动,保留下来并孵化出新的优
秀个体,逐步探寻到全局最优点.由此可见,在择优协作的策略下,PES 能够很好地运用在求解整数规划问题上.
4.2 对比实验
为进一步测试基于择优策略的 PES 算法在求解整数规划问题上的寻优性能,对文献[22]中的 5 个经典整数