IEEE CEC benchmarks概述

IEEE CEC benchmarks是什么

IEEE CEC，全称是IEEE Congress on Evolutionary Computation，可以翻译为，IEEE进化计算会议。自2005年开始，每年举办一次。
IEEE CEC benchmarks，是主办方发布的标准测试算例（以下简称，CEC算例）。不同年份的CEC算例均不相同。算例的数量往往不止一个，一般是10到30个左右。它们通常是由一些较为简单的基本函数如y = x^2(更多可见于参考文献[1])，经过平移、旋转甚至组合形成。这些算例的全局最优解均为已知，算例的二维曲面特点也都基本明确。
CEC算例几乎都是非线性连续函数，根据主题的不同，当年测试算例中包含了：单目标、多目标和大规模（变量数为）等多种类型。

IEEE CEC2014实例

下表给出了IEEE CEC 2014的前16个算例的问题特点。其中，参数可分离（Separable）指的是优化变量可以分别独立优化；参数不可分离（Non-separable）指的是优化变量不能独立优化。“N/A”表示无其他特点。IEEE CEC 2014的后14个算例是由前16个算例中的某几个函数组合而成，因此更加复杂。此外，对于每个算例，优化变量的个数从少到多共包含10、30、50和100共4种。各届IEEE CEC benchmarks的具体表达式可以从参考文献[2]中找到。

IEEE CEC benchmarks主要作用

CEC算例的最主要作用在于，它们提供了一个相对客观和公正的平台，去评价不同元启发式算法（即，一般所谓的智能进化化算法）的优化性能。
大部分元启发式算法由于缺乏严密的数学证明，因此难以从理论上确定哪一种元启发式算法是最佳的元启发式算法。为了详细评测各类元启发式方法的全局优化能力，一般采用数值优化的方式进行对比验证。由于每一届的CEC算例都包含了各种类型的优化问题，因此具有问题具有广泛性，是验证新算法有效性的有利佐证之一，因此常见于各个SCI论文中。
在测评时，通常设定最大目标函数计算次数为优化变量个数的10,000倍，并将此时的优化结果，作为元启发式算法的最终结果。最终结果与全局最优解之间的差距越小，则认为该方法的全局寻优性能越好。

参考文献：
[1] http://www.sfu.ca/~ssurjano/optimization.html
[2] https://github.com/P-N-Suganthan?before=Y3Vyc29yOnYyOpK5MjAxOS0wNy0wMVQxNTo1OToyNyswODowMM4LmcRB&tab=repositories