在 SHADE 中,参数能够从成功历史中调整,但种群规模仍可能固定。Tanabe 与 Fukunaga 的 L-SHADE(2014)在 SHADE 1.1 基础上加入线性种群规模缩减(Linear Population Size Reduction,LPSR),让早期的较大种群逐步缩小。
线性的是评价进度
设初始规模为 、下限为 ,已用评价次数为 、总上限为 。目标规模为
2026/9/19大约 3 分钟
在 SHADE 中,参数能够从成功历史中调整,但种群规模仍可能固定。Tanabe 与 Fukunaga 的 L-SHADE(2014)在 SHADE 1.1 基础上加入线性种群规模缩减(Linear Population Size Reduction,LPSR),让早期的较大种群逐步缩小。
设初始规模为 Ninit、下限为 Nmin,已用评价次数为 FE、总上限为 FEmax。目标规模为
线性缩群把种群规模与已用预算直接关联,但这条直线未必适合整个搜索过程。Stanovov、Akhmedova 与 Semenkin 的 NL-SHADE-RSP(2021)在 LSHADE-RSP 路线上进一步调整种群调度、排名选择和档案使用。
记 t=FE/FEmax。后续 NL-SHADE-RSP-Midpoint 原论文在介绍基底时给出的缩群规则为