一种知识集成进化算法框架
神经与进化计算
2021-04-01 v1 人工智能
摘要
进化算法(EAs)取得成功的主要原因之一在于其通用性,即它们可以直接应用于广泛的优化问题,而无需任何特定的先验知识。另一方面,已有研究表明,融入先验知识(如专家知识或经验发现)可显著提升EA的性能。然而,在EA中集成知识面临诸多挑战。通常搜索空间的特征未知,因此任何与搜索空间性质相关的知识都难以被利用。此外,先验知识通常是问题相关的且难以泛化。本文提出一种称为知识集成进化算法(KIEA)的框架,它促进了现有知识向EA中的集成。值得注意的是,KIEA框架是与EA无关的(即它可与任意进化算法协同工作)、与问题无关的(即它不专用于特定类型的问题)、可扩展的(即其知识库可随时间增长)。此外,该框架在EA运行期间集成知识,从而优化所需计算能力的利用。在本文展示的初步实验中,我们观察到KIEA框架在最坏情况下相较对应的“无知识”EA产生了80%的收敛时间改进。
引用
@article{arxiv.2103.16897,
title = {A Framework for Knowledge Integrated Evolutionary Algorithms},
author = {Ahmed Hallawa and Anil Yaman and Giovanni Iacca and Gerd Ascheid},
journal= {arXiv preprint arXiv:2103.16897},
year = {2021}
}
备注
Published in: Squillero G., Sim K. (eds) Applications of Evolutionary Computation. EvoApplications 2017. Lecture Notes in Computer Science, vol 10199. Springer, Cham