TY -的A2 -文图拉,塞巴斯蒂安盟——汗,Imtiaz Hussain PY - 2014 DA - 2014/12/07 TI -坚毅不屈的比较研究和PBIL大规模全局优化问题SP - 182973六世- 2014 AB -分布估计算法(eda)使用全局统计信息有效样本后代无视位置信息到目前为止发现的局部最优解。基于导向变异的进化算法(EAG)将全局统计信息和位置信息结合到样本子代中，以改进搜索和优化过程。本文讨论了基于人口的增量学习(PBIL)， EDAs的代表，和EAG在大规模全局优化问题上的比较研究。我们实施了PBIL和EAG来建立一个实验装置，在此基础上进行仿真。从求解质量和计算量两个方面分析了这些算法的性能。我们发现EAG比PBIL在获得高质量的解决方案方面表现更好，但后者在计算成本方面表现更好。我们还将EAG和PBIL与2010年CEC的赢家MA-SW-Chains进行了比较，发现EAG的总体绩效与MA-SW-Chains具有可比性。SN - 1687-9724 UR - https://doi.org/10.1155/2014/182973 DO - 10.1155/2014/182973 JF - Applied Computational Intelligence and Soft Computing PB - Hindawi Publishing Corporation KW - ER -