面向线性排序问题的多样性感知模因算法：改进标准基准的最佳已知解
最优化与控制
2022-01-12 v2
摘要
线性排序问题（LOP）是一个非常流行的 NP-hard 组合优化问题，具有许多实际应用场景，可能需要使用大规模实例。线性排序库（LOLIB）收集了一组广泛用于 LOP 求解器验证的标准基准。其中，xLOLIB2 汇集了当前文献中一些最大且最具挑战性的实例。在本工作中，我们为 xLOLIB2 所包含的 200 个复杂实例中的每一个给出了新的最佳已知解。此外，本研究提出的方案能够在 LOLIB 其余实例上达到所有当前最佳已知解，并在 485 个实例中的另外 93 个上对其进行了改进，这意味着在质量和鲁棒性方面取得了重要进展。LOP 领域的这一重要进展得益于一种新颖模因算法（MA）的开发，该算法在设计时考虑了最先进 LOP 求解器的一些弱点。成功的关键之一在于，新方案允许从探索到开发的逐步转变，这是通过考虑停止准则和已用执行时间来改变优化器内部决策实现的。这种新颖的多样性感知方案被称为显式多样性管理模因算法（MA-EDM），与最先进技术的广泛比较揭示了 MA-EDM 优越性产生的原因。
引用
@article{arxiv.2106.02696,
title = {A Diversity-Aware Memetic Algorithm for the Linear Ordering Problem: Improving Best-Known Solutions for Standard Benchmarks},
author = {Lázaro Lugo and Carlos Segura and Gara Miranda},
journal= {arXiv preprint arXiv:2106.02696},
year = {2022}
}
备注
The Supplementary Material and source code are available at: https://github.com/carlossegurag/LOP_MA-EDM