• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    差分進(jìn)化算法參數(shù)控制與適應(yīng)策略綜述

    2011-08-18 10:12:58楊振宇唐珂
    智能系統(tǒng)學(xué)報(bào) 2011年5期
    關(guān)鍵詞:參數(shù)設(shè)置差分變異

    楊振宇,唐珂

    (1.華東師范大學(xué)計(jì)算機(jī)科學(xué)技術(shù)系,上海 200241;2.中國科學(xué)技術(shù)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,安徽合肥 230027)

    差分進(jìn)化算法參數(shù)控制與適應(yīng)策略綜述

    楊振宇1,唐珂2

    (1.華東師范大學(xué)計(jì)算機(jī)科學(xué)技術(shù)系,上海 200241;2.中國科學(xué)技術(shù)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,安徽合肥 230027)

    差分進(jìn)化算法逐漸成為進(jìn)化計(jì)算領(lǐng)域最流行的隨機(jī)搜索算法之一,已被成功用于求解各類應(yīng)用問題.差分進(jìn)化算法參數(shù)設(shè)置與其性能密切相關(guān),因此算法參數(shù)控制與適應(yīng)策略設(shè)計(jì)是目前該領(lǐng)域的研究熱點(diǎn)之一,目前已涌現(xiàn)出大量參數(shù)控制方案,但尚缺乏系統(tǒng)性的綜述與分析.首先簡要介紹差分進(jìn)化算法的基本原理與操作,然后將目前參數(shù)控制與適應(yīng)策略分成基于經(jīng)驗(yàn)的參數(shù)控制、參數(shù)隨機(jī)化適應(yīng)策略、基于統(tǒng)計(jì)學(xué)習(xí)的參數(shù)隨機(jī)化適應(yīng)策略和參數(shù)自適應(yīng)策略4類進(jìn)行系統(tǒng)性綜述,重點(diǎn)介紹其中的參數(shù)適應(yīng)與自適應(yīng)策略.此外,為分析各種參數(shù)控制與適應(yīng)策略的功效,以實(shí)值函數(shù)優(yōu)化為問題背景設(shè)計(jì)了相關(guān)實(shí)驗(yàn),進(jìn)一步分析各種策略的效率與實(shí)用性,實(shí)驗(yàn)結(jié)果表明,參數(shù)自適應(yīng)控制策略是目前該領(lǐng)域最有效的方法之一.

    進(jìn)化計(jì)算;差分進(jìn)化;參數(shù)控制;適應(yīng)策略;自適應(yīng)

    差分進(jìn)化(differential evolution,DE)算法[1-3]于1995年由Storn和Price提出,是一種新穎的通過引入獨(dú)特的差分變異模式進(jìn)行迭代搜索的進(jìn)化算法.該方法因具有簡單、易實(shí)現(xiàn)、高效、魯棒性強(qiáng)等多種優(yōu)點(diǎn)[4],已被廣泛和成功地應(yīng)用于全局優(yōu)化、運(yùn)籌管理、工程設(shè)計(jì)等領(lǐng)域[5-6].

    進(jìn)化算法參數(shù)控制與適應(yīng)一直都是進(jìn)化計(jì)算領(lǐng)域的核心研究問題,這主要是因?yàn)樵擃惙椒ǖ木唧w流程與操作通常由算法參數(shù)控制,使得這些參數(shù)的設(shè)置與算法性能息息相關(guān)[7].與傳統(tǒng)進(jìn)化算法類似,DE算法同樣也具有其自身的控制參數(shù).經(jīng)典DE算法具有3個(gè)主要的控制參數(shù)[1]:1)種群大小N;2)變異縮放因子F;3)交叉概率PCR.除了種群大小N這個(gè)任何基于群體搜索的算法都具有的一般性參數(shù)外,研究發(fā)現(xiàn)DE算法性能對(duì)另外2個(gè)參數(shù)的設(shè)置非常敏感,而且往往與具體問題相關(guān),經(jīng)驗(yàn)參數(shù)設(shè)置并不總能使該算法發(fā)揮出其最高性能,而手動(dòng)參數(shù)調(diào)節(jié)費(fèi)時(shí)費(fèi)力,極大降低了算法的實(shí)用性.為了提高DE算法的性能和實(shí)用性,其參數(shù)的控制與適應(yīng)策略設(shè)計(jì)已成為DE領(lǐng)域的熱點(diǎn)研究方向,除基于經(jīng)驗(yàn)的參數(shù)設(shè)置外,研究者們提出了大量更先進(jìn)的參數(shù)控制與適應(yīng)策略,如參數(shù)隨機(jī)化適應(yīng)策略[8]、基于統(tǒng)計(jì)學(xué)習(xí)的參數(shù)隨機(jī)化適應(yīng)策略[9]、參數(shù)自適應(yīng)策略[10]等.

    針對(duì)DE算法的參數(shù)控制與適應(yīng)問題,目前研究者多以他們各自的視角提出了各種不同策略,尚缺乏對(duì)這些現(xiàn)存策略的綜述與系統(tǒng)性對(duì)比分析.本文對(duì)目前研究中出現(xiàn)的主要的參數(shù)控制與適應(yīng)策略進(jìn)行綜述,將它們分成如下4類進(jìn)行分析:1)基于經(jīng)驗(yàn)的參數(shù)控制;2)參數(shù)隨機(jī)化適應(yīng)策略;3)基于統(tǒng)計(jì)學(xué)習(xí)的參數(shù)隨機(jī)化適應(yīng)策略;4)參數(shù)自適應(yīng)策略.除此之外,還以實(shí)值函數(shù)優(yōu)化問題為背景,用具體實(shí)驗(yàn)結(jié)果對(duì)比來討論各種參數(shù)控制與適應(yīng)策略的實(shí)際效果.

    1 差分進(jìn)化算法

    DE的主要思想是引入一種全新的可利用當(dāng)前群體中個(gè)體差異來構(gòu)造變異個(gè)體的差分變異模式.相對(duì)于傳統(tǒng)進(jìn)化算法,差分變異模式是DE算法中最為獨(dú)特的進(jìn)化操作.以經(jīng)典DE算法為例,在每代算法迭代過程中,對(duì)于當(dāng)前群體中的每個(gè)目標(biāo)個(gè)體,算法首先隨機(jī)選擇2個(gè)其他個(gè)體并使它們相減構(gòu)成差分向量,然后將該差分向量乘以一個(gè)縮放因子F后加到第3個(gè)隨機(jī)個(gè)體上構(gòu)成變異個(gè)體,最后該變異個(gè)體再經(jīng)過與對(duì)應(yīng)目標(biāo)個(gè)體的交叉和選擇操作生成一個(gè)新個(gè)體進(jìn)入下一代.基于上述過程并結(jié)合文獻(xiàn)[1]中的描述,以下將以實(shí)值優(yōu)化問題(即決策變量為實(shí)數(shù))為背景,具體介紹DE算法的群體表示與各種進(jìn)化操作.

    1.1 群體表示與初始化

    對(duì)于實(shí)值優(yōu)化問題,DE算法中的群體一般表示成N個(gè)D維向量:

    式中:實(shí)值向量 Xi=(Xi(1),Xi(2),…,Xi(D))代表群體中的一個(gè)個(gè)體,D是目標(biāo)問題的決策變量個(gè)數(shù),也可以稱為該問題的維數(shù),N是群體大小.DE算法的初始化方法與其他進(jìn)化算法類似,一般是在指定搜索空間內(nèi)均勻隨機(jī)生成N個(gè)D維實(shí)值向量構(gòu)成其初始群體.

    1.2 變異操作

    給定當(dāng)前群體{Xi|i=1,2,…,N},對(duì)其中的任意個(gè)體Xi,DE算法的變異操作按照式(1)生成一個(gè)對(duì)應(yīng)的變異個(gè)體.

    式中:Xr1、Xr2和Xr3是從當(dāng)前群體中隨機(jī)選擇的3個(gè)互不相同的個(gè)體,而且它們也不應(yīng)與目標(biāo)個(gè)體Xi相同;縮放因子F是一個(gè)大于0的實(shí)常數(shù),實(shí)驗(yàn)表明它一般應(yīng)滿足條件F∈(0,2],而F=0.5通常是比較合適的設(shè)置[1].在具體算法實(shí)現(xiàn)中,由于式(1)中的Xr2和Xr3是隨機(jī)選擇的2個(gè)個(gè)體,F(xiàn)取負(fù)值僅代表兩者交換位置,并不違背DE算法的設(shè)計(jì)原理,因此DE研究中也會(huì)出現(xiàn)將F限定在區(qū)間[-2,0)∪(0,2]的情況.

    隨著DE算法的發(fā)展,根據(jù)差分向量構(gòu)造方式的不同,研究者還提出其他多種算法變種,常用的有如下幾種[2]:

    根據(jù)具體應(yīng)用問題的不同,這些變異模式各有優(yōu)缺點(diǎn),但式(1)所表示的經(jīng)典方式仍然是最常用、最有效的變異模式之一.

    1.3 交叉操作

    在完成變異操作后,DE算法將在目標(biāo)個(gè)體Xi和變異個(gè)體Vi之間執(zhí)行一種離散交叉操作,從而生成一個(gè)測(cè)試個(gè)體Ui,該離散交叉可描述如下:

    式中:Rj(0,1)是一個(gè)在(0,1)的均勻隨機(jī)數(shù)發(fā)生器;jrand是[1,D]的一個(gè)隨機(jī)整數(shù),以確保不會(huì)出現(xiàn)測(cè)試個(gè)體Ui完全復(fù)制Xi的情況;PCR∈[0,1]是交叉概率,用來控制在哪些決策變量上采用變異值,一般可設(shè)置為 0.9[1].

    1.4 選擇操作

    對(duì)于每一個(gè)測(cè)試個(gè)體Ui,DE算法采用如下一對(duì)一的貪心選擇方式:

    式中:f(·)是目標(biāo)函數(shù)(最小化問題);X'i是代替Xi而進(jìn)入下一代的子個(gè)體.

    完成上述選擇操作后,DE算法得到一個(gè)新的群體{X'i|i=1,2,…,N}進(jìn)入下一代,從而可以迭代地繼續(xù)執(zhí)行進(jìn)化搜索過程.

    2 DE算法參數(shù)控制與適應(yīng)策略

    2.1 基于經(jīng)驗(yàn)的參數(shù)控制

    在DE算法發(fā)展的早期,其參數(shù)主要是根據(jù)人為經(jīng)驗(yàn)設(shè)定為一些常數(shù),如文獻(xiàn)[1]首先指出F=0.5是一個(gè)很好的初始選擇,如果群體出現(xiàn)早熟收斂現(xiàn)象,則應(yīng)該相應(yīng)地增大F值,但是小于0.4或大于1的F值往往只在極少數(shù)情況下才有用;對(duì)于交叉概率PCR,該文獻(xiàn)則指出0.1是一個(gè)合適的初始選擇,但考慮到大的PCR值有助于提高算法收斂速度,PCR=0.8通常也是不錯(cuò)的選擇.

    文獻(xiàn)[11]以實(shí)值函數(shù)優(yōu)化問題為背景對(duì)DE算法的參數(shù)展開了詳細(xì)的數(shù)值分析,指出了該算法性能對(duì)參數(shù)敏感的問題,這些參數(shù)的設(shè)定不僅與具體問題相關(guān),而且它們之間也相互影響,不易合理設(shè)置.對(duì)縮放因子F,該文獻(xiàn)推薦0.6為初始選擇,如果發(fā)現(xiàn)算法只能收斂到局部最優(yōu),則應(yīng)適當(dāng)增大F值,但當(dāng)F>1時(shí)往往導(dǎo)致群體難以收斂;對(duì)于交叉概率參數(shù),大的PCR值有利于增加算法收斂速度,但如果過大將有可能導(dǎo)致算法早熟,介于0.3~0.9的值往往是比較好的設(shè)置.

    在與其他算法的性能比較中,文獻(xiàn)[12]發(fā)現(xiàn)參數(shù)設(shè)置為F=0.5,PCR=0.9的DE算法要顯著優(yōu)于粒子群優(yōu)化(particle swarm optimization,PSO)算法[13]及其改進(jìn)版本 arPSO[14],也優(yōu)于簡單進(jìn)化算法(simple evolutionary algorithm,SEA)[15].

    也有研究者認(rèn)為F應(yīng)該設(shè)為稍大值以避免算法早熟,如文獻(xiàn)[16]中就建議將參數(shù)F和PCR都設(shè)置為常數(shù)0.9.對(duì)于DE算法的經(jīng)驗(yàn)參數(shù)設(shè)置,目前研究中一般都認(rèn)為F=0.5,PCR=0.9是比較有效的經(jīng)典設(shè)置[17].

    2.2 參數(shù)隨機(jī)化適應(yīng)策略

    雖然基于經(jīng)驗(yàn)的參數(shù)控制可在一定程度上緩解DE算法的參數(shù)控制問題,但是由于這種“經(jīng)驗(yàn)”通常與具體目標(biāo)問題密切相關(guān),不同的解空間分布往往具有不同的需求,甚至同一問題的不同進(jìn)化階段也可能具有不同需求,不存在能適用于所有目標(biāo)問題的統(tǒng)一固定參數(shù)設(shè)置,所以經(jīng)驗(yàn)參數(shù)控制逐漸不能滿足DE算法在越來越廣泛的應(yīng)用問題上的求解性能要求.特別是對(duì)于特征未知的應(yīng)用問題,仍然需要通過費(fèi)時(shí)費(fèi)力的手動(dòng)參數(shù)調(diào)節(jié)才能找到比較合適的經(jīng)驗(yàn)參數(shù),這大大降低了DE算法的實(shí)用價(jià)值.為解決此問題,研究者們逐漸開始考慮引入隨機(jī)化適應(yīng)策略進(jìn)行參數(shù)控制.與將參數(shù)設(shè)置為固定常數(shù)的經(jīng)驗(yàn)參數(shù)控制不同,這種方法在每代對(duì)每個(gè)個(gè)體根據(jù)一個(gè)預(yù)先制定的概率分布模型生成偽隨機(jī)數(shù)作為參數(shù)值,其基本思想與進(jìn)化算法思想類似,主要是希望通過生成-測(cè)試的模式讓算法自己選取比較合適的參數(shù)值.常用的概率分布模型有均勻分布(uniform distribution)、高斯分布(Gaussian distribution,又稱正態(tài)分布)、柯西分布(Cauchy distribution)等.

    文獻(xiàn)[8]將每次變異的縮放因子F設(shè)置為[0.5,1]之間的均勻隨機(jī)數(shù),提出一種改進(jìn)的算法DERSF;文獻(xiàn)[18]修改DE算法的變異模式提出2種改進(jìn)算法DERL和DELB,它們也都使用了均勻隨機(jī)數(shù)生成縮放因子F,均勻隨機(jī)數(shù)的范圍限定為[-1,-0.4]∪[0.4,1].文獻(xiàn)[19]提出一種 NSDE算法,將DE算法的交叉概率PCR設(shè)置為[0,1]之間的均勻隨機(jī)數(shù).實(shí)驗(yàn)分析發(fā)現(xiàn)這些改進(jìn)算法都優(yōu)于參數(shù)設(shè)置為F=0.5,PCR=0.9的經(jīng)典DE算法.

    文獻(xiàn)[20]針對(duì)多目標(biāo)優(yōu)化問題提出一種改進(jìn)的DE算法PDE,該算法中縮放因子F被設(shè)置為均值為0、標(biāo)準(zhǔn)差為1的高斯分布,即Fi=Ni(0,1),其中i表示對(duì)每次變異都重新生成一個(gè)F值.文獻(xiàn)[21-22]通過引入多種變異策略提出一種自適應(yīng)DE算法SADE,該算法中縮放因子F被設(shè)定為均值為0.5、標(biāo)準(zhǔn)差為0.3的高斯分布,即Fi=Ni(0.5,0.3),其中參數(shù)0.5是參考了DE算法的經(jīng)驗(yàn)參數(shù)設(shè)置,目的是在比較好的經(jīng)驗(yàn)值附近進(jìn)行參數(shù)隨機(jī)化,給生成合適的參數(shù)值提供更大可能.

    由DE變異公式(1)可以看出,縮放因子F與算法搜索步長密切相關(guān),在不同的搜索階段算法可能偏好不同的搜索步長,比如當(dāng)群體離全局最優(yōu)點(diǎn)較遠(yuǎn)時(shí),較大的搜索步長將有助于算法快速收斂到好的子空間,而當(dāng)群體離全局最優(yōu)點(diǎn)較近時(shí),小的搜索步長則有助于算法準(zhǔn)確找到更優(yōu)解[23].縮放因子F的經(jīng)驗(yàn)設(shè)置只能提供一種步長選擇,而隨機(jī)化參數(shù)設(shè)置則可以提供多種選擇,這也是隨機(jī)化參數(shù)設(shè)置通用性更強(qiáng)的原因.但是無論均勻分布還是高斯分布,其搜索步長的廣度都是有限的,當(dāng)算法靠近多極值問題的局部最優(yōu)點(diǎn)時(shí),可能無法提供足夠大的步長進(jìn)行跳躍式搜索,因而仍然存在陷入局部最優(yōu)的風(fēng)險(xiǎn).

    針對(duì)均勻分布和高斯分布的局限性,研究者們開始考慮引入范圍更廣的柯西分布進(jìn)行參數(shù)隨機(jī)化控制.文獻(xiàn)[19]結(jié)合進(jìn)化規(guī)劃(evolutionary programming,EP)的特點(diǎn),提出一種鄰域控制差分進(jìn)化算法NSDE,該算法的縮放因子根據(jù)式(2)生成.

    式中:p設(shè)為0.5;Ni(0.5,0.5)表示均值、標(biāo)準(zhǔn)差均為0.5的高斯隨機(jī)數(shù);Ci(0,1)表示位置參數(shù)為0、規(guī)模參數(shù)為1的柯西隨機(jī)數(shù);Ri(0,1)表示(0,1)的均勻隨機(jī)數(shù).NSDE算法希望通過式(2)同時(shí)兼顧大小搜索步長,從而能有效搜索各種適應(yīng)度分布特征未知的解空間.

    文獻(xiàn)[24]對(duì)NSDE算法進(jìn)行了進(jìn)一步改進(jìn),提出一種SaNSDE算法,其縮放因子F的控制方法與式(2)類似,只是根據(jù)經(jīng)驗(yàn)將高斯隨機(jī)數(shù)的參數(shù)修正為均值0.5,標(biāo)準(zhǔn)差0.3,并采用適應(yīng)策略調(diào)整式(2)中的參數(shù)p.SaNSDE算法中參數(shù)適應(yīng)策略的有效性在很多測(cè)試函數(shù)上都得到了驗(yàn)證,并成功用于輔助求解問題規(guī)模高達(dá)1 000維的大規(guī)模實(shí)值優(yōu)化問題[25].

    2.3 基于統(tǒng)計(jì)學(xué)習(xí)的參數(shù)隨機(jī)化適應(yīng)策略

    參數(shù)隨機(jī)化適應(yīng)策略通過將DE算法的參數(shù),即縮放因子F和交叉概率PCR,設(shè)置成隨機(jī)數(shù),增加了這些參數(shù)取值的多樣性,從而使算法在面臨無任何先驗(yàn)知識(shí)的問題時(shí),仍然能夠自動(dòng)產(chǎn)生適合當(dāng)前搜索需要的參數(shù)值,這在一定程度上提高了算法的性能.然而,這些用于控制DE算法參數(shù)的隨機(jī)數(shù)發(fā)生器同樣存在其自身的參數(shù),比如高斯分布的均值和方差,這些參數(shù)同樣需要合理設(shè)置.這些參數(shù)沒有原算法的參數(shù)敏感,在上述參數(shù)隨機(jī)化適應(yīng)策略中一般都是根據(jù)經(jīng)驗(yàn)設(shè)置,尋求這些參數(shù)的最優(yōu)設(shè)置意味著存在進(jìn)一步改進(jìn)DE算法性能的空間,研究者們開始利用統(tǒng)計(jì)學(xué)習(xí)技術(shù)分析搜索過程中的歷史信息,嘗試從中找出規(guī)律以控制隨機(jī)數(shù)發(fā)生器的參數(shù).

    文獻(xiàn)[21-22]通過對(duì)交叉概率PCR的分析指出,該參數(shù)在某個(gè)小范圍內(nèi)變動(dòng)時(shí)對(duì)DE算法性能影響不大,但該范圍不易確定.為解決此問題,該文獻(xiàn)提出一種SADE算法,它假設(shè)交叉概率PCR滿足一個(gè)均值為PCRM、標(biāo)準(zhǔn)差較小的高斯分布,算法開始時(shí)對(duì)每個(gè)個(gè)體根據(jù)式(3)生成一個(gè)PCR值.

    式中:PCRM在算法開始時(shí)被設(shè)置為0.5,在其周圍生成的PCRi值將被使用若干代(如SADE算法中設(shè)置的5代),然后重新按照式(3)生成新的PCRi.這樣在每一代演化過程中,能使后代進(jìn)入下一代的個(gè)體,對(duì)應(yīng)的PCRi將會(huì)被記錄在一個(gè)數(shù)組ACR中,經(jīng)過一定代數(shù)的累積后(如SADE算法中使用的25代),均值將按式(4)更新.

    在每次PCRM更新后,數(shù)組ACR將會(huì)被清空進(jìn)入下一次統(tǒng)計(jì)過程.

    文獻(xiàn)[24]分析認(rèn)為當(dāng)PCR比較小時(shí)后代更易于進(jìn)入下一代,但是該后代對(duì)應(yīng)的適應(yīng)度改進(jìn)程度通常比較小;而大的PCR值生成的后代雖然相對(duì)而言較難進(jìn)入下一代,但當(dāng)成功進(jìn)入下一代時(shí)其引起的適應(yīng)度改進(jìn)程度往往要大很多,因此式(4)對(duì)應(yīng)的適應(yīng)策略存在將PCR取較小值的導(dǎo)向.為緩解此問題,該文獻(xiàn)提出一種加權(quán)的交叉概率適應(yīng)策略,其基本原理與式(4)類似,區(qū)別在于每當(dāng)在數(shù)組ACR中記錄成功PCR值的時(shí)候,同時(shí)在另一數(shù)組A△f={△f}中額外記錄對(duì)應(yīng)個(gè)體的適應(yīng)度改進(jìn)值,即△f=f(k)-fnew(k),然后PCRM的更新公式修正為:

    實(shí)驗(yàn)證明這種改進(jìn)的參數(shù)適應(yīng)機(jī)制使DE算法在一些復(fù)雜測(cè)試函數(shù)上的性能有了較顯著的改進(jìn).

    無論SADE還是SaNSDE都是采用一種離散的方式,通過歷史信息更新用于參數(shù)控制的概率分布,這意味著只有當(dāng)歷史信息累積一定代數(shù)后才能被使用,當(dāng)最大進(jìn)化代數(shù)比較有限時(shí),概率分布的參數(shù)被更新的頻度將會(huì)很有限,這將影響參數(shù)適應(yīng)性調(diào)整的及時(shí)性.文獻(xiàn)[9]提出一種改進(jìn)的DE算法JADE,該方法采用了聯(lián)系更新的方式適應(yīng)性調(diào)整概率分布的參數(shù).對(duì)于交叉概率PCR,JADE仍然假設(shè)它服從均值為PCRM、標(biāo)準(zhǔn)差為0.1的高斯分布,即滿足式(3).

    在每代進(jìn)化過程中,算法將用SCR記錄能使對(duì)應(yīng)后代進(jìn)入下一代的PCRi值,并用式(7)更新PCRM.

    式中:參數(shù)c是介于(0,1)的實(shí)數(shù),JADE中被設(shè)置為c=0.1.對(duì)于縮放因子F,該文獻(xiàn)假設(shè)它服從位置參數(shù)為Fm,規(guī)模參數(shù)為0.1的柯西分布:

    式中:Fm被初始化為0.5,如果Fi不在0~1之間,將會(huì)被重新生成.在每代進(jìn)化過程中,能使后代進(jìn)入下一代的個(gè)體對(duì)應(yīng)的Fi值將會(huì)被記錄在數(shù)組SF中,然后根據(jù)式(9)更新.

    式中:meanL(·)表示萊默均值(Lehmer mean),這里使用萊默均值而非一般均值是為了避免出現(xiàn)F過小而導(dǎo)致算法低效的情況.

    文獻(xiàn)[26]通過引入基于歷史信息的可信度和影響適應(yīng)度值變化程度的加權(quán)機(jī)制,將上述2種適應(yīng)策略擴(kuò)展為控制任意與個(gè)體相關(guān)聯(lián)的算法參數(shù)的一般性方法,其基本思想是首先假設(shè)該參數(shù)的分布滿足某個(gè)概率模型,然后通過統(tǒng)計(jì)學(xué)習(xí)的方法逐漸調(diào)整概率模型的參數(shù).該文獻(xiàn)使用這種一般性的參數(shù)隨機(jī)化適應(yīng)方法提出一種改進(jìn)的DE算法GaDE,并將其成功用于求解大規(guī)模實(shí)值優(yōu)化問題.

    大量的實(shí)驗(yàn)結(jié)果表明,基于統(tǒng)計(jì)學(xué)習(xí)的參數(shù)隨機(jī)化適應(yīng)策略不僅優(yōu)于經(jīng)驗(yàn)參數(shù)設(shè)置,而且由于這類方法可以從歷史信息中學(xué)習(xí)出一些參數(shù)變化趨勢(shì),比簡單的參數(shù)隨機(jī)化適應(yīng)策略更有方向性,當(dāng)這種方向性比較準(zhǔn)確時(shí),這類方法將更有效.

    2.4 參數(shù)自適應(yīng)策略

    根據(jù)文獻(xiàn)[27]的定義,參數(shù)適應(yīng)與自適應(yīng)策略的本質(zhì)區(qū)別在于后者須將算法參數(shù)放入個(gè)體編碼中與決策變量一同進(jìn)化.依據(jù)這個(gè)條件,無論是參數(shù)隨機(jī)化策略還是基于統(tǒng)計(jì)學(xué)習(xí)的參數(shù)隨機(jī)化策略都只能稱之為適應(yīng)策略,而自適應(yīng)策略一般被認(rèn)為是進(jìn)化算法參數(shù)控制的最高級(jí)手段,在DE算法領(lǐng)域同樣存在相關(guān)工作.

    既然DE是一種非常有效的參數(shù)優(yōu)化算法,那么一種非常直觀的自適應(yīng)策略就是仍然采用DE這種模式來進(jìn)化其自身的參數(shù)F和PCR.文獻(xiàn)[28]提出一種SPDE算法,該算法首先對(duì)每個(gè)個(gè)體都增加Fi和這2個(gè)參數(shù)作為決策變量放入個(gè)體表示,在算法開始時(shí)Fi和被初始化為[0,1]的均勻隨機(jī)數(shù),然后在每代進(jìn)化運(yùn)算時(shí),首先根據(jù)式(11)、(12)生成.

    式中:Ni(0,1)代表均值為0、標(biāo)準(zhǔn)差為1的高斯隨機(jī)數(shù);r1、r2和r3表示3個(gè)互不相同且也不與i相同的個(gè)體下標(biāo).在這些參數(shù)進(jìn)化完成后,它們將參與到DE算法中的包含決策變量的個(gè)體的變異和交叉,由于這些參數(shù)值存在于編碼中,如果每組參數(shù)對(duì)應(yīng)生成的后代能成功進(jìn)入下一代,那么參數(shù)本身自然也進(jìn)入了下一代,從而達(dá)到一種控制參數(shù)層次的進(jìn)化與自適應(yīng).由于一般要求F和PCR在控制在區(qū)間[0,1]中,因此如果式(11)、(12)生成的參數(shù)值超出了此范圍,將會(huì)應(yīng)用修復(fù)規(guī)則使它們重新回到此范圍.文獻(xiàn)[28]在一組多目標(biāo)問題上測(cè)試了SPDE算法的性能,與其他13種算法的比較表明了這種自適應(yīng)策略比較有效.類似地,文獻(xiàn)[29]建議用如下這種方式自適應(yīng)控制參數(shù)F:

    而交叉概率PCR被設(shè)置為根據(jù)均值為0.5、標(biāo)準(zhǔn)差為0.15的高斯隨機(jī)數(shù)N(0.5,0.15)生成.文獻(xiàn)[30]指出,根據(jù)這種自適應(yīng)策略設(shè)計(jì)的SDE算法要優(yōu)于文獻(xiàn)[28]中的SPDE算法.

    文獻(xiàn)[10]提出一種改進(jìn)的DE算法jDE,它采用了另一種參數(shù)自適應(yīng)策略.算法jDE同樣將Fi和PCRi與每個(gè)個(gè)體關(guān)聯(lián)起來放入個(gè)體編碼,算法開始時(shí)Fi和PCRi被分別初始化0.5和0.9,然后每代在決策變量進(jìn)化前按式(14)、(15)更新.式中:Rj(j∈{1,2,3,4})是[0,1]的均勻隨機(jī)數(shù);τ1和τ2分別表示更新參數(shù)F和PCR的概率,在jDE中被設(shè)置為 τ1=τ2=0.1;為了使新的Fi在[0.1,1.0]之間,F(xiàn)l和Fu分別被設(shè)置為0.1和1.0.文獻(xiàn)[10]中設(shè)計(jì)了大量的數(shù)值實(shí)驗(yàn)分析了這種自適應(yīng)策略的效果,實(shí)驗(yàn)結(jié)果表明這種自適應(yīng)策略在求解實(shí)值函數(shù)優(yōu)化問題時(shí)非常有效,使jDE成為目前最為高效的DE改進(jìn)算法之一.

    表1簡要列出了本節(jié)介紹的各種DE算法變種及其采用的參數(shù)控制與適應(yīng)策略.

    表1 DE算法變種及其對(duì)應(yīng)的參數(shù)控制與適應(yīng)策略Table 1 DE variants and the corresponding parameter control and adaptation strategies

    3 實(shí)驗(yàn)分析

    本文前面系統(tǒng)介紹了目前DE算法研究領(lǐng)域常用的參數(shù)控制與適應(yīng)策略,為了對(duì)這些策略的實(shí)際效果有更直觀的認(rèn)識(shí),筆者以實(shí)值函數(shù)優(yōu)化為問題背景設(shè)計(jì)了一組實(shí)驗(yàn)進(jìn)行驗(yàn)證.為保證實(shí)驗(yàn)結(jié)果比較的公平性,所有算法都采用經(jīng)典DE變異公式(即式(1)),用表2來標(biāo)記要測(cè)試的算法及其對(duì)應(yīng)的參數(shù)控制策略.

    表2 測(cè)試的DE算法變種及其參數(shù)控制與適應(yīng)策略Table 2 The tested DE variants and their parameter control and adaptation strategies

    由表2可以看出,第1種方法是采用經(jīng)驗(yàn)參數(shù)設(shè)置的經(jīng)典DE算法;接下來是3種采用參數(shù)隨機(jī)化適應(yīng)策略的算法,分別對(duì)應(yīng)均勻分布、高斯分布和柯西分布;第5、6種算法采用基于統(tǒng)計(jì)學(xué)習(xí)的參數(shù)隨機(jī)化適應(yīng)策略,分別按文獻(xiàn)[21]中的SADE和文獻(xiàn)[9]中的JADE所采用的策略進(jìn)行參數(shù)控制,由于這2種算法還采用了其他策略進(jìn)一步改進(jìn)算法性能,與這里只采用經(jīng)典變異公式的方法稍有區(qū)別,分別用SADE*和JADE*來標(biāo)記它們以示區(qū)別;最后一種采用參數(shù)自適應(yīng)策略,與文獻(xiàn)[10]中的jDE完全一致.

    在測(cè)試集方面,采用了13個(gè)被廣泛使用的經(jīng)典實(shí)值函數(shù)優(yōu)化函數(shù)[23],表3給出了這些函數(shù)的定義與搜索空間.其中函數(shù)f1~f4、f6和f7是單峰函數(shù)(即只有1個(gè)極值點(diǎn)),函數(shù)f5、f8~f13是多峰函數(shù),而且極值點(diǎn)的個(gè)數(shù)非常多[23],所有測(cè)試函數(shù)都被設(shè)定為30維,其最優(yōu)值皆為0.

    在參數(shù)設(shè)置方面,所有算法的群體大小都設(shè)為100,其參數(shù)F與PCR的設(shè)置則按照表2及相關(guān)文獻(xiàn)中的描述,對(duì)于比較復(fù)雜的函數(shù)f3、f4、f5、f8和f9進(jìn)化代數(shù)N設(shè)定為5 000,而對(duì)于相對(duì)簡單的其他函數(shù),進(jìn)化代數(shù)N設(shè)定為1 500.對(duì)于每個(gè)測(cè)試函數(shù),每個(gè)算法都獨(dú)立運(yùn)行30次統(tǒng)計(jì)實(shí)驗(yàn)結(jié)果,并計(jì)算均值與方差.表4和表5分別列出了算法在單峰和多峰函數(shù)上的均值與方差.

    從表4的結(jié)果可以看出,基于經(jīng)驗(yàn)參數(shù)設(shè)置的經(jīng)典DE算法在函數(shù)f1、f3和f6上具有不錯(cuò)的結(jié)果,但在其他函數(shù)上結(jié)果稍差.采用參數(shù)隨機(jī)化適應(yīng)策略的算法DEU、DEG和DEC一般比經(jīng)典DE算法結(jié)果更好,而在函數(shù)f4上結(jié)果卻變得更差,說明參數(shù)隨機(jī)化并不總是有效,這3個(gè)算法中使用高斯隨機(jī)數(shù)的DEG效果最好.對(duì)于基于統(tǒng)計(jì)學(xué)習(xí)的參數(shù)隨機(jī)化適應(yīng)策略SADE*和JADE*,它們?cè)谶@些單峰函數(shù)上結(jié)果并不突出,僅在比較復(fù)雜的f4上取得了更好結(jié)果.采用參數(shù)自適應(yīng)的算法jDE幾乎在所有函數(shù)上都取得了更好的結(jié)果,說明這種參數(shù)自適應(yīng)策略對(duì)求解單峰函數(shù)比較有效.

    從表5中算法在多峰函數(shù)上的結(jié)果看,經(jīng)典DE算法在比較復(fù)雜的函數(shù)f8和f9上結(jié)果很差,在其他函數(shù)上結(jié)果一般.使用均勻隨機(jī)數(shù)的DEU算法在大部分問題上都得到了更好結(jié)果,但在函數(shù)f5上的結(jié)果變得很差;使用高斯隨機(jī)數(shù)的DEG算法只在函數(shù)f8~f10上得到了更好結(jié)果;使用柯西隨機(jī)數(shù)的DEC算法在函數(shù)f5和f11上結(jié)果不理想.采用基于統(tǒng)計(jì)學(xué)習(xí)參數(shù)隨機(jī)化適應(yīng)策略的算法SADE*在除f5外的函數(shù)上都取得了更好結(jié)果,而另一種JADE*則在函數(shù)f8和f9上性能有顯著提高.對(duì)于自適應(yīng)參數(shù)控制算法jDE,它在除f5外的函數(shù)上都取得了明顯更好的結(jié)果.

    表3 經(jīng)典實(shí)值優(yōu)化測(cè)試函數(shù)集Table 3 Classical benchmark functions for real-valued optimization

    表4 采用各種不同參數(shù)控制與適應(yīng)策略的DE算法在單峰函數(shù)上的結(jié)果Table 4 Results of DE with different parameter control and adaptation strategies for unimodal functions

    表5 采用各種不同參數(shù)控制與適應(yīng)策略的DE算法在多峰函數(shù)上的結(jié)果Table 5 Results of DE with different parameter control and adaptation strategies for multimodal functions

    從以上實(shí)驗(yàn)結(jié)果可以看出,采用經(jīng)驗(yàn)參數(shù)控制的DE算法雖然能有效求解一部分問題,但由于其最優(yōu)參數(shù)組合往往與問題相關(guān)而不易設(shè)置,導(dǎo)致這種方法一般不具有通用性;參數(shù)隨機(jī)化適應(yīng)策略和基于統(tǒng)計(jì)學(xué)習(xí)的參數(shù)隨機(jī)化策略能彌補(bǔ)經(jīng)驗(yàn)參數(shù)控制的不足,但并不是對(duì)任何問題都有效,精確度有待進(jìn)一步提高;而參數(shù)自適應(yīng)策略對(duì)絕大部分問題都適用,但也不排除對(duì)極少數(shù)問題存在更優(yōu)的經(jīng)驗(yàn)設(shè)置的可能(如函數(shù)f5).

    4 結(jié)束語

    差分進(jìn)化(DE)是進(jìn)化計(jì)算領(lǐng)域一個(gè)非常重要的隨機(jī)搜索算法新興分支,在很多基準(zhǔn)測(cè)試和實(shí)際應(yīng)用問題上都表現(xiàn)出了卓越的性能,其新穎的進(jìn)化操作起到了決定性的作用,而與這些操作相關(guān)的算法參數(shù)的控制與適應(yīng)方法一直都是該領(lǐng)域的研究熱點(diǎn),目前已涌現(xiàn)出大量行之有效的策略.本文首先簡要介紹了DE算法的基本原理與操作,然后著重綜述了目前比較有代表性的參數(shù)適應(yīng)策略,并加以分類總結(jié),最后通過設(shè)計(jì)具體實(shí)驗(yàn),對(duì)這些適應(yīng)策略進(jìn)行了對(duì)比分析,以驗(yàn)證它們的實(shí)際功效,相關(guān)實(shí)驗(yàn)結(jié)果表明,參數(shù)自適應(yīng)控制策略是目前最有效的方法之一.此外,目前也存在很多通過設(shè)計(jì)更精巧的變異模式來改進(jìn)DE算法性能的研究工作,將這些工作與參數(shù)自適應(yīng)控制結(jié)合將是設(shè)計(jì)更高效DE算法的有效研究手段之一.

    [1]STORN R,PRICE K.Differential evolution:a simple and efficient heuristic for global optimization over continuous spaces[J].Journal of Global Optimization,1997,11(4):341-359.

    [2]PRICE K,STORN R,LAMPINEN J.Differential evolution:a practical approach to global optimization[M].Berlin,Germany:Springer-Verlag,2005.

    [3]CHAKRABORTY U K.Advances in differential evolution[M].Berlin,Germany:Springer-Verlag,2008.

    [4]STORN R,PRICE K.Differential evolution:a simple and efficient adaptive scheme for global optimization over continuous spaces[EB/OL]. [2010-10-25].http://www.icsi.berkeley.edu/~ storn/TR-95-012.pdf.

    [5]STORN R.System design by constraint adaptation and differential evolution[J].IEEE Transactions on Evolutionary Computation,1999,3(1):22-34.

    [6]THOMSEN R.Flexible ligand docking using differential evolution[C]//Proceedings of the 2003 IEEE Congress on E-volution Computation.Canberra,Australia,2003:2354-2361.

    [7]BACK T,SCHWEFEL H P.An overview of evolutionary algorithms for parameter optimization[J].Evolutionary Computation,1993,1(1):1-23.

    [8]DAS S,KONAR A,CHAKRABORTY U K.Two improved differential evolution schemes for faster global search[C]//Proceedings of the 2005 Genetic and Evolutionary Computation Conference.Washington,DC,USA,2005:991-998.

    [9]ZHANG J,SANDERSON A C.JADE:adaptive differential evolution with optimal external archive[J].IEEE Transactions on Evolutionary Computation,2009,13(5):945-958.

    [10]BREST J,GREINER S,BOSKOVC B,et al.Self-adapting control parameters in differential evolution:a comparative study on numerical benchmark problems[J].IEEE Transactions on Evolutionary Computation,2006,10(6):646-657.

    [11]GAMPERLE R,MULLER S,KOUMOUTSAKOS P.A parameter study for differential evolution[C]//WSEAS International Conference on Advances in Intelligent Systems,F(xiàn)uzzy Systems, Evolutionary Computation. Interlaken,Switzerland,2002:293-298.

    [12]VESTERSTROM J,THOMSEN R.A comparative study of differential evolution,particle swarm optimization and evolutionary algorithms on numerical benchmark problems[C]//Proceedings of the 2004 IEEE Congress on Evolution Computation.Portland,USA,2004:1980-1987.

    [13]KENNEDY J,EBERHART R C.Particle swarm optimization[C]//IEEE International Conference on Neural Networks.Perth,Australia,1995:1942-1948.

    [14]RIGET J,VESTERSTROM J.A diversity-guided particle swarm optimizer—the arPSO,Technical Report 2002-02[R].Aarhus,Denmark:Department of Computer Science,University of Aarhus,2002.

    [15]THOMSEN R.Flexible ligand docking using evolutionary algorithms:investigating the effects of variation operators and local search hybrids[J].BioSystems,2003,72(1/2):57-73.

    [16]ROMKKONEN J,KUKKONEN S,PRICE K V.Real-parameter optimization with differential evolution[C]//Proceedings of the 2005 IEEE Congress on Evolution Computation.Edinburgh,UK,2005:506-513.

    [17]RAHNAMAYAN S,TIZHOOSH H R,SALAMA M A.Opposition-based differential evolution[J].IEEE Transactions on Evolutionary Computation,2008,12(1):64-79.

    [18]KAELO P,ALI M M.A numerical study of some modified differential evolution algorithms[J].European Journal of Operational Research,2006,169(3):1176-1184.

    [19]YANG Zhenyu,YAO Xin,HE Jingsong.Making a difference to differential evolution[M]//MICHALEWICZ Z,SIARRY P.Advances in Metaheuristics for Hard Optimization.Berlin,Germany:Springer,2008:397-414.

    [20]ABBASS H A,SARKER R,NEWTON C.PDE:a Paretofrontier differential evolution approach for multi-objective optimization problems[C]//Proceedings of the 2003 IEEE Congress on Evolution Computation.Canberra,Australia,2003:971-978.

    [21]QIN A K,SUGANTHAN P N.Self-adaptive differential evolution algorithm for numerical optimization[C]//Proceedings of the 2005 IEEE Congress on Evolution Computation.Edinburgh,UK,2005:1785-1791.

    [22]QIN A K,HUANG V L,SUGANTHAN P N.Differential evolution algorithm with strategy adaptation for global numerical optimization[J].IEEE Transactions on Evolutionary Computation,2009,13(2):398-417.

    [23]YAO Xin,LIU Yong,LIN Guangming.Evolutionary programming made faster[J].IEEE Transactions on Evolutionary Computation,1999,3(2):82-102.

    [24]YANG Zhenyu,TANG Ke,YAO Xin.Self-adaptive differential evolution with neighborhood search[C]//Proceedings of the 2008 IEEE Congress on Evolution Computation.Hong Kong,China,2008:1110-1116.

    [25]YANG Zhenyu,TANG Ke,YAO Xin.Large scale evolutionary optimization using cooperative coevolution[J].Information Sciences,2008,178(15):2985-2999.

    [26]YANG Zhenyu,TANG Ke,YAO Xin.Scalability of generalized adaptive differential evolution for large-scale continuous optimization[J]. Soft Computing,2011(in press).

    [27]HINTERDING R,MICHALEWICZ Z,EIBEN A E.Adaptation in evolutionary computation:a survey[C]//Proceedings of the 1997 IEEE International Conference on Evolutionary Computation.Indianapolis,USA,1997:65-69.

    [28]ABBASS H A.The self-adaptive Pareto differential evolution algorithm[C]//Proceedings of the 2002 IEEE Congress on Evolution Computation.Honolulu,USA,2002:831-836.

    [29]OMRAN M,SALMAN A,ENGELBRECHT A.Self-adaptive differential evolution[C]//Proceedings of the International Conference on Computational Intelligence and Security.Xi’an,China,2005:192-199.

    [30]SALMAN A,ENGELBRECHT A,OMRAN M.Empirical analysis of self-adaptive differential evolution[J].European Journal of Operational Research,2007,183(2):785-804.

    楊振宇,男,1982年生,講師,博士,主要研究方向?yàn)檫M(jìn)化計(jì)算與應(yīng)用,發(fā)表學(xué)術(shù)論文多篇,其中被SCI、EI檢索10余篇.

    唐珂,男,1981年生,教授,博士,IEEE Computational Intelligence Magazine副編輯,IEEE計(jì)算智能協(xié)會(huì)Emergent Technologies Technical Committee委員.主要研究方向?yàn)橛?jì)算智能、機(jī)器學(xué)習(xí)、模式識(shí)別等,發(fā)表學(xué)術(shù)論文50余篇.

    An overview of parameter control and adaptation strategies in differential evolution algorithm

    YANG Zhenyu1,TANG Ke2

    (1.Department of Computer Science and Technology,East China Normal University,Shanghai 200241,China;2.School of Computer Science and Technology,University of Science and Technology of China,Hefei 230027,China)

    Differential evolution algorithms have gradually become one of the most popular types of stochastic search algorithms in the area of evolutionary computation.They have been successfully applied to solve various problems in real-world applications.Since their performance often depends heavily on the parameter settings,the design of parameter control and adaptation strategies is one of the current hot topics of research in differential evolution.Although numerous parameter control schemes have been proposed,systematic overviews and analysis are still lacking.In this paper,first the basic principles and operations of the differential evolution algorithm were briefly introduced,and then a detailed overview was provided on different parameter control and adaptation strategies by dividing them into the following four classes:empirical parameter settings,randomized parameter adaptation strategies,randomized parameter adaptation strategies with statistical learning,and parameter self-adaptation strategies.The overview emphasized the latter two classes.To study the efficacy of these parameter control and adaptation strategies,experiments with the background of real-valued function optimization were conducted to compare their efficiency and practicability further.The results showed that the parameter self-adaptation is one of the most effective strategies so far.

    evolutionary computation;differential evolution;parameter control;adaptation strategies;self-adaptation

    TP18;O224

    A

    1673-4785(2011)05-0415-09

    10.3969/j.issn.1673-4785.2011.05.005

    2010-11-02.

    海外及港澳學(xué)者合作研究基金資助項(xiàng)目(61028009).

    唐珂.E-mail:ketang@ustc.edu.cn.

    猜你喜歡
    參數(shù)設(shè)置差分變異
    數(shù)列與差分
    變異危機(jī)
    變異
    蟻群算法求解TSP中的參數(shù)設(shè)置
    動(dòng)車環(huán)境下U900異頻切換參數(shù)設(shè)置探討
    變異的蚊子
    基于差分隱私的大數(shù)據(jù)隱私保護(hù)
    相對(duì)差分單項(xiàng)測(cè)距△DOR
    太空探索(2014年1期)2014-07-10 13:41:50
    差分放大器在生理學(xué)中的應(yīng)用
    基于MATLAB仿真的井下變壓器參數(shù)設(shè)置研究
    啪啪无遮挡十八禁网站| 99久久国产精品久久久| 日韩三级视频一区二区三区| 不卡一级毛片| 欧美另类亚洲清纯唯美| 久久久国产精品麻豆| 曰老女人黄片| 后天国语完整版免费观看| 99国产极品粉嫩在线观看| 亚洲国产中文字幕在线视频| 捣出白浆h1v1| 黄色成人免费大全| 亚洲自偷自拍图片 自拍| 久久久久久久久久久久大奶| 亚洲精品国产精品久久久不卡| 国产不卡一卡二| 国产精品综合久久久久久久免费 | 免费女性裸体啪啪无遮挡网站| 欧美+亚洲+日韩+国产| 亚洲欧美日韩高清在线视频| 国产成人精品久久二区二区91| 侵犯人妻中文字幕一二三四区| 女人被狂操c到高潮| 亚洲av日韩在线播放| 成年动漫av网址| 亚洲五月色婷婷综合| 国产精品一区二区免费欧美| 欧美人与性动交α欧美精品济南到| 国产精品av久久久久免费| 午夜福利乱码中文字幕| 在线观看www视频免费| 老司机亚洲免费影院| 人人妻人人添人人爽欧美一区卜| 久久天躁狠狠躁夜夜2o2o| 国产99白浆流出| 在线av久久热| 欧美色视频一区免费| 最近最新中文字幕大全免费视频| 欧美激情极品国产一区二区三区| 一本一本久久a久久精品综合妖精| 999久久久国产精品视频| netflix在线观看网站| 淫妇啪啪啪对白视频| 亚洲精品乱久久久久久| 成人黄色视频免费在线看| 91成年电影在线观看| 国产淫语在线视频| 亚洲精品中文字幕在线视频| 一边摸一边抽搐一进一出视频| 国精品久久久久久国模美| 国产精品欧美亚洲77777| 日韩一卡2卡3卡4卡2021年| 电影成人av| 每晚都被弄得嗷嗷叫到高潮| 黄色丝袜av网址大全| 国产精品久久久久久人妻精品电影| 精品久久久久久,| 国产高清国产精品国产三级| 一个人免费在线观看的高清视频| 国产一卡二卡三卡精品| 1024香蕉在线观看| 九色亚洲精品在线播放| 中文字幕色久视频| 一区二区三区精品91| 国产亚洲欧美在线一区二区| 午夜福利,免费看| 80岁老熟妇乱子伦牲交| 日本欧美视频一区| 国产男靠女视频免费网站| 国产一区二区三区视频了| 国产精品一区二区精品视频观看| 午夜免费鲁丝| 99久久精品国产亚洲精品| 国产伦人伦偷精品视频| 91精品三级在线观看| 涩涩av久久男人的天堂| 老司机在亚洲福利影院| xxx96com| 国产极品粉嫩免费观看在线| 狠狠狠狠99中文字幕| 他把我摸到了高潮在线观看| 韩国精品一区二区三区| 亚洲色图av天堂| 精品国内亚洲2022精品成人 | 国产欧美日韩一区二区精品| 99国产精品一区二区蜜桃av | 日韩欧美在线二视频 | 精品第一国产精品| 大片电影免费在线观看免费| 欧美在线一区亚洲| 一个人免费在线观看的高清视频| 国产欧美日韩一区二区三| 国产一卡二卡三卡精品| 亚洲成人免费av在线播放| 午夜激情av网站| 久久精品亚洲精品国产色婷小说| 免费在线观看日本一区| av一本久久久久| a级毛片在线看网站| 十八禁网站免费在线| 80岁老熟妇乱子伦牲交| 国产一区在线观看成人免费| 国产欧美日韩一区二区三区在线| 一二三四在线观看免费中文在| 香蕉久久夜色| 色播在线永久视频| 好看av亚洲va欧美ⅴa在| 久9热在线精品视频| 日韩三级视频一区二区三区| 女人被躁到高潮嗷嗷叫费观| 在线观看免费高清a一片| 99精品久久久久人妻精品| 国产午夜精品久久久久久| 国产无遮挡羞羞视频在线观看| 国精品久久久久久国模美| 中文字幕最新亚洲高清| 久久精品国产99精品国产亚洲性色 | 日韩欧美三级三区| 午夜福利乱码中文字幕| 国产成人欧美| netflix在线观看网站| 这个男人来自地球电影免费观看| 日韩熟女老妇一区二区性免费视频| 国产一区有黄有色的免费视频| 亚洲 国产 在线| 搡老熟女国产l中国老女人| 久久热在线av| 久久久久国产一级毛片高清牌| 久99久视频精品免费| 中亚洲国语对白在线视频| 精品久久久久久久毛片微露脸| 一本一本久久a久久精品综合妖精| 国产真人三级小视频在线观看| 日韩免费av在线播放| av免费在线观看网站| 美国免费a级毛片| 日日夜夜操网爽| 精品第一国产精品| 色尼玛亚洲综合影院| 欧美黄色淫秽网站| 欧美人与性动交α欧美精品济南到| 嫁个100分男人电影在线观看| 又大又爽又粗| cao死你这个sao货| 成年人黄色毛片网站| 亚洲国产欧美一区二区综合| 大陆偷拍与自拍| 午夜福利免费观看在线| 久久中文字幕人妻熟女| 亚洲av电影在线进入| 国产精品九九99| av有码第一页| 久久久国产精品麻豆| 久久人妻熟女aⅴ| 黑丝袜美女国产一区| а√天堂www在线а√下载 | 久久午夜亚洲精品久久| 欧美在线一区亚洲| 这个男人来自地球电影免费观看| 国产精品久久视频播放| 一级片免费观看大全| 黄色视频,在线免费观看| 国产午夜精品久久久久久| 亚洲人成77777在线视频| 天堂中文最新版在线下载| 母亲3免费完整高清在线观看| 亚洲黑人精品在线| 18在线观看网站| 欧美乱妇无乱码| 午夜老司机福利片| 亚洲人成电影免费在线| 国产伦人伦偷精品视频| 人人妻人人爽人人添夜夜欢视频| 国产一区在线观看成人免费| 亚洲精品中文字幕在线视频| 午夜福利影视在线免费观看| av国产精品久久久久影院| 欧美中文综合在线视频| 久久久国产成人免费| 国产成人精品无人区| 男女之事视频高清在线观看| 免费女性裸体啪啪无遮挡网站| 国产成人精品无人区| 视频在线观看一区二区三区| 中文字幕人妻熟女乱码| 精品一区二区三区四区五区乱码| 成年女人毛片免费观看观看9 | 午夜成年电影在线免费观看| 亚洲欧美激情综合另类| 视频在线观看一区二区三区| 亚洲人成77777在线视频| 天堂中文最新版在线下载| 大陆偷拍与自拍| 一二三四社区在线视频社区8| 午夜福利一区二区在线看| av在线播放免费不卡| 国产精品久久久av美女十八| 日本五十路高清| 久久精品国产a三级三级三级| 人人妻,人人澡人人爽秒播| 极品少妇高潮喷水抽搐| 国产日韩欧美亚洲二区| 巨乳人妻的诱惑在线观看| 热99久久久久精品小说推荐| 国产精品免费一区二区三区在线 | 欧美在线一区亚洲| 国产色视频综合| av福利片在线| 女警被强在线播放| 在线观看免费午夜福利视频| 国产精品一区二区免费欧美| 亚洲av日韩在线播放| 国产91精品成人一区二区三区| 欧美黑人欧美精品刺激| 国产又爽黄色视频| 午夜免费观看网址| 男女床上黄色一级片免费看| 亚洲精品美女久久久久99蜜臀| 日韩视频一区二区在线观看| 99国产精品一区二区蜜桃av | 国产精品一区二区在线不卡| 亚洲情色 制服丝袜| 天天躁日日躁夜夜躁夜夜| av免费在线观看网站| 男人舔女人的私密视频| 在线观看免费视频网站a站| 国产欧美亚洲国产| 满18在线观看网站| 亚洲人成电影免费在线| 欧洲精品卡2卡3卡4卡5卡区| 久9热在线精品视频| bbb黄色大片| 久久精品亚洲av国产电影网| 亚洲av欧美aⅴ国产| 亚洲国产精品一区二区三区在线| 成人亚洲精品一区在线观看| 国产亚洲欧美在线一区二区| 亚洲av美国av| 国产主播在线观看一区二区| 男女之事视频高清在线观看| 亚洲人成伊人成综合网2020| 99热网站在线观看| 精品少妇久久久久久888优播| 亚洲一区二区三区不卡视频| 久久久久国产精品人妻aⅴ院 | 69av精品久久久久久| av福利片在线| av一本久久久久| 国产在视频线精品| 国产成人欧美| 久久亚洲精品不卡| 久久久国产精品麻豆| 国产成人影院久久av| 在线观看免费日韩欧美大片| 夫妻午夜视频| 人人澡人人妻人| 中文字幕高清在线视频| 热99国产精品久久久久久7| 一边摸一边抽搐一进一出视频| 天堂俺去俺来也www色官网| 国产精品综合久久久久久久免费 | 在线免费观看的www视频| 黑丝袜美女国产一区| 久久精品91无色码中文字幕| 黄色片一级片一级黄色片| 国产人伦9x9x在线观看| 成人精品一区二区免费| 精品国产超薄肉色丝袜足j| 丁香欧美五月| 女性生殖器流出的白浆| 久久久久国内视频| 欧美日韩亚洲国产一区二区在线观看 | 黄片大片在线免费观看| 久久久国产成人精品二区 | 老司机午夜福利在线观看视频| 国产片内射在线| 中文字幕精品免费在线观看视频| 亚洲精品在线美女| 亚洲国产看品久久| 国产三级黄色录像| 国产成人影院久久av| 成熟少妇高潮喷水视频| 王馨瑶露胸无遮挡在线观看| 麻豆乱淫一区二区| 亚洲av成人不卡在线观看播放网| 亚洲精品中文字幕在线视频| 精品一区二区三卡| 免费在线观看完整版高清| 国产精品av久久久久免费| 又大又爽又粗| 一进一出抽搐动态| 丰满人妻熟妇乱又伦精品不卡| 9191精品国产免费久久| 亚洲精品中文字幕在线视频| 久久亚洲精品不卡| 中文字幕另类日韩欧美亚洲嫩草| 精品久久久久久电影网| www.精华液| 50天的宝宝边吃奶边哭怎么回事| 在线十欧美十亚洲十日本专区| 一进一出抽搐gif免费好疼 | 久久精品国产综合久久久| 欧美成人午夜精品| 亚洲国产看品久久| 叶爱在线成人免费视频播放| 99香蕉大伊视频| 国产成人啪精品午夜网站| netflix在线观看网站| 午夜视频精品福利| 国产91精品成人一区二区三区| 亚洲熟妇熟女久久| 18禁裸乳无遮挡免费网站照片 | 亚洲国产毛片av蜜桃av| 91麻豆精品激情在线观看国产 | 好男人电影高清在线观看| 日韩 欧美 亚洲 中文字幕| 精品国产超薄肉色丝袜足j| 中文亚洲av片在线观看爽 | 国产在线一区二区三区精| 女性生殖器流出的白浆| 桃红色精品国产亚洲av| 久久久国产一区二区| 免费在线观看视频国产中文字幕亚洲| 亚洲成人免费电影在线观看| 久久久精品免费免费高清| 母亲3免费完整高清在线观看| 老司机福利观看| 热99国产精品久久久久久7| 午夜影院日韩av| 一夜夜www| 国产激情久久老熟女| 9191精品国产免费久久| 日韩中文字幕欧美一区二区| 丰满饥渴人妻一区二区三| 天天躁狠狠躁夜夜躁狠狠躁| 人人妻人人爽人人添夜夜欢视频| 黄色视频,在线免费观看| 午夜福利在线观看吧| 亚洲第一欧美日韩一区二区三区| 免费一级毛片在线播放高清视频 | 亚洲aⅴ乱码一区二区在线播放 | 国产精品98久久久久久宅男小说| 国产亚洲精品第一综合不卡| 在线天堂中文资源库| 国产精品久久视频播放| 久久草成人影院| netflix在线观看网站| 久久久久久人人人人人| 国产成人精品在线电影| 国产欧美日韩综合在线一区二区| 高潮久久久久久久久久久不卡| 侵犯人妻中文字幕一二三四区| 热99久久久久精品小说推荐| 亚洲一码二码三码区别大吗| 极品人妻少妇av视频| 国产成人精品久久二区二区免费| ponron亚洲| 99国产精品免费福利视频| 嫁个100分男人电影在线观看| 色尼玛亚洲综合影院| 一边摸一边做爽爽视频免费| 欧美午夜高清在线| 欧美亚洲 丝袜 人妻 在线| 制服人妻中文乱码| 一边摸一边做爽爽视频免费| 午夜福利,免费看| 丝袜人妻中文字幕| 校园春色视频在线观看| 王馨瑶露胸无遮挡在线观看| 精品电影一区二区在线| 国产一区二区激情短视频| 国产国语露脸激情在线看| 中文字幕高清在线视频| 久久香蕉精品热| 在线免费观看的www视频| 久久性视频一级片| 精品国内亚洲2022精品成人 | 国产日韩欧美亚洲二区| 黑丝袜美女国产一区| 亚洲一区高清亚洲精品| 欧美国产精品va在线观看不卡| 国产不卡一卡二| 一级片免费观看大全| 国内久久婷婷六月综合欲色啪| 国产亚洲av高清不卡| 老熟女久久久| 美女高潮到喷水免费观看| 日韩人妻精品一区2区三区| 大码成人一级视频| 亚洲 欧美一区二区三区| 久久久精品区二区三区| 丁香欧美五月| 男女免费视频国产| 无人区码免费观看不卡| 免费观看精品视频网站| 色老头精品视频在线观看| 亚洲国产毛片av蜜桃av| 中文字幕另类日韩欧美亚洲嫩草| 在线av久久热| 国产成人免费无遮挡视频| 日本五十路高清| 18禁美女被吸乳视频| 国产精品免费大片| 一边摸一边抽搐一进一出视频| 亚洲国产看品久久| 亚洲av欧美aⅴ国产| 中文字幕最新亚洲高清| 亚洲精品在线美女| 国产欧美日韩精品亚洲av| a在线观看视频网站| 成熟少妇高潮喷水视频| 国产成人av激情在线播放| 久久国产精品影院| 亚洲av美国av| 国产成人av教育| 黑人操中国人逼视频| 村上凉子中文字幕在线| 叶爱在线成人免费视频播放| 亚洲精品乱久久久久久| 热99国产精品久久久久久7| 国产淫语在线视频| 免费看十八禁软件| 久久午夜综合久久蜜桃| 国产精品久久久久久精品古装| 日韩三级视频一区二区三区| 无人区码免费观看不卡| 国产在视频线精品| 国产不卡一卡二| 中文字幕人妻丝袜一区二区| 亚洲色图 男人天堂 中文字幕| 免费一级毛片在线播放高清视频 | 国产亚洲一区二区精品| 老汉色av国产亚洲站长工具| 国产区一区二久久| 一边摸一边做爽爽视频免费| 热99久久久久精品小说推荐| 国产精品99久久99久久久不卡| 777久久人妻少妇嫩草av网站| 国产主播在线观看一区二区| 亚洲人成电影免费在线| 久久精品亚洲熟妇少妇任你| 18禁国产床啪视频网站| 麻豆国产av国片精品| 国产精品电影一区二区三区 | 国产精品偷伦视频观看了| 91精品国产国语对白视频| 日本欧美视频一区| 中文欧美无线码| 91九色精品人成在线观看| 深夜精品福利| 夜夜夜夜夜久久久久| 丝袜在线中文字幕| 18禁美女被吸乳视频| 精品一区二区三区av网在线观看| 人人妻,人人澡人人爽秒播| 欧美日韩乱码在线| 欧美精品av麻豆av| 女人被躁到高潮嗷嗷叫费观| 欧美激情高清一区二区三区| 搡老乐熟女国产| 女人高潮潮喷娇喘18禁视频| 久久精品成人免费网站| 黄色毛片三级朝国网站| 天天影视国产精品| 成人手机av| netflix在线观看网站| 他把我摸到了高潮在线观看| 人人妻人人澡人人看| 国产精品国产高清国产av | 亚洲一区高清亚洲精品| 久久香蕉精品热| 人人妻人人澡人人爽人人夜夜| 法律面前人人平等表现在哪些方面| 国产99白浆流出| 精品国产乱码久久久久久男人| 美女扒开内裤让男人捅视频| 老司机在亚洲福利影院| 两个人免费观看高清视频| 一级作爱视频免费观看| 我的亚洲天堂| 大型黄色视频在线免费观看| 国产三级黄色录像| e午夜精品久久久久久久| 色婷婷久久久亚洲欧美| 搡老岳熟女国产| 99riav亚洲国产免费| 夜夜躁狠狠躁天天躁| 亚洲欧美色中文字幕在线| 交换朋友夫妻互换小说| 国产高清videossex| 婷婷成人精品国产| 69av精品久久久久久| 精品少妇久久久久久888优播| 午夜影院日韩av| 桃红色精品国产亚洲av| 国产成+人综合+亚洲专区| 人妻一区二区av| 欧美一级毛片孕妇| 丝袜在线中文字幕| 亚洲av日韩在线播放| 日日夜夜操网爽| 80岁老熟妇乱子伦牲交| 极品人妻少妇av视频| 精品国产超薄肉色丝袜足j| 狠狠狠狠99中文字幕| 美女福利国产在线| 国产精品免费一区二区三区在线 | 日韩欧美在线二视频 | 久久精品成人免费网站| 99国产精品99久久久久| 欧美在线黄色| 久久精品成人免费网站| 91九色精品人成在线观看| 亚洲第一青青草原| 欧美一级毛片孕妇| 日韩免费av在线播放| 1024视频免费在线观看| 欧美乱码精品一区二区三区| 美女高潮喷水抽搐中文字幕| 国产成人欧美在线观看 | 电影成人av| 女人爽到高潮嗷嗷叫在线视频| 日本精品一区二区三区蜜桃| 成人三级做爰电影| 亚洲精品在线观看二区| 这个男人来自地球电影免费观看| 香蕉久久夜色| 国产一区二区三区综合在线观看| 高清在线国产一区| 天天影视国产精品| 老司机午夜十八禁免费视频| 亚洲精品中文字幕在线视频| 亚洲av欧美aⅴ国产| 欧美乱色亚洲激情| videosex国产| 国产精品电影一区二区三区 | 国产精品美女特级片免费视频播放器 | 大香蕉久久成人网| 免费日韩欧美在线观看| 亚洲熟妇中文字幕五十中出 | 精品久久久久久电影网| 老汉色∧v一级毛片| a级毛片在线看网站| 久久精品国产综合久久久| 国产欧美日韩精品亚洲av| 国内久久婷婷六月综合欲色啪| 无遮挡黄片免费观看| 99香蕉大伊视频| 国产精品久久久久久人妻精品电影| 亚洲欧洲精品一区二区精品久久久| 欧美+亚洲+日韩+国产| 中文欧美无线码| 亚洲欧美精品综合一区二区三区| 亚洲精品中文字幕一二三四区| 国产在视频线精品| 欧美激情高清一区二区三区| 99国产精品一区二区三区| 在线看a的网站| 97人妻天天添夜夜摸| 亚洲精品自拍成人| 9热在线视频观看99| 亚洲av日韩精品久久久久久密| 成人精品一区二区免费| 露出奶头的视频| 啦啦啦视频在线资源免费观看| 久久香蕉国产精品| 精品卡一卡二卡四卡免费| 黄色女人牲交| 丰满人妻熟妇乱又伦精品不卡| 在线观看免费视频网站a站| 一级片'在线观看视频| 免费黄频网站在线观看国产| 精品无人区乱码1区二区| 精品亚洲成a人片在线观看| 老司机午夜十八禁免费视频| 嫩草影视91久久| 国产精品 国内视频| 亚洲一区中文字幕在线| 天天操日日干夜夜撸| 免费在线观看视频国产中文字幕亚洲| 亚洲熟妇熟女久久| 精品国内亚洲2022精品成人 | 女人久久www免费人成看片| 国产1区2区3区精品| 亚洲av日韩精品久久久久久密| 日日摸夜夜添夜夜添小说| 少妇被粗大的猛进出69影院| 丰满人妻熟妇乱又伦精品不卡| 婷婷成人精品国产| 国产色视频综合| 久久久精品区二区三区| 最近最新免费中文字幕在线| 国产乱人伦免费视频| 18禁美女被吸乳视频| 欧美日韩国产mv在线观看视频| 美女高潮到喷水免费观看| 99精品在免费线老司机午夜| 亚洲精品美女久久久久99蜜臀| 最近最新中文字幕大全电影3 | 香蕉国产在线看| 欧美日韩亚洲高清精品| 精品熟女少妇八av免费久了| 97人妻天天添夜夜摸| 交换朋友夫妻互换小说| 色老头精品视频在线观看| 久久久久久久精品吃奶| 女性被躁到高潮视频| 男女免费视频国产| 亚洲国产精品合色在线| 一夜夜www| 久久久久国产精品人妻aⅴ院 | 中文字幕av电影在线播放| 成年人免费黄色播放视频| 国产精品电影一区二区三区 | 一级片'在线观看视频|