optimization - 差分进化算法中交叉的重要性是什么？

Question

在优化问题的差分进化算法中。
涉及三个进化过程，即突变交叉和选择

我只是一个初学者，但我尝试删除交叉过程，结果与原始算法没有显着差异。

那么在差分进化算法中，交叉的重要性是什么？

Answer 1

如果您不使用交叉，则您的算法可能只是探索问题搜索空间而不会利用它。一般来说，如果进化算法在探索率和开发率之间取得良好的平衡，它就会成功。

例如 DE/rand/1/Either-Or是 DE 的一个变体，它消除了 交叉算子但使用 有效变异算子 .根据 Differential Evolution: A Survey of the State-of-the-Art ，在这个算法中，纯突变体的试验向量出现的概率是pF而那些纯重组体的出现概率是1 − pF .与经典的 DE 变体 rand/1/bin 和 target-to-best/1/bin ( Main Reference ) 相比，该变体显示出具有竞争力的结果。

X(i,G)是 G 代的第 i 个目标(父)向量，U(i,G)是不是对应的试验向量，F是差分向量比例因子和 k = 0.5*(F + 1)[in the original paper] .
在这个方案中，没有使用交叉，但变异足够有效，可以与原始 DE 算法进行比较。