Resumen

La coevolución cooperativa (CC) es un marco efectivo para resolver problemas de optimización global a gran escala (LSGO). Sin embargo, CC con un método de descomposición estática es ineficaz para problemas totalmente no separables, y CC con un método de descomposición dinámica para descomponer problemas es computacionalmente costoso. Por lo tanto, en este artículo se propone un método de descomposición de dos etapas (TSD) para descomponer problemas LSGO utilizando la menor cantidad de recursos computacionales posible. En la primera etapa, para descomponer problemas utilizando pocos recursos computacionales, se propone un método de agrupación diferencial de piscina híbrida (HPDG), que contiene una estructura de detección basada en piscina híbrida (HPDS) y una estrategia de perturbación basada en vector unitario (UVP). En la segunda etapa, para descomponer los problemas totalmente no separables, se propone un método de descomposición dinámica basado en información conocida (KIDD). Se utilizan métodos analít

• Materias:Modelo Matemático Gestión ambiental Sistemas dinámicos Datos estructurales Sistema inalámbrico
• Subjects:Mathematical model Environmental management Dynamic systems Structural data Wireless system
• Palabras claves:Coevolución cooperativa; Optimización global a gran escala; Descomposición en dos etapas; Agrupación híbrida de grupos diferenciales; Descomposición dinámica basada en información conocida; Algoritmo competitivo
• Keywords:Cooperative coevolution; Large-scale global optimization; Two-stage decomposition; Hybrid-pool differential grouping; Known information-based dynamic decomposition; Competitive algorithm