CEC 单目标竞赛（2010-2024）的纵向分析及其对变分量子优化的影响
量子物理
2026-03-26 v1 神经与进化计算
摘要
本文对IEEE CEC单目标优化比赛结果（2010-2024）的历史性分析。我们分析了基准函数如何塑造获胜算法，确定2014年引入稠密旋转矩阵作为关键绩效过滤器。这种设计选择引入了参数非可分离性，降低了坐标依赖方法（如粒子群优化、遗传算法）的有效性，确立了差分演化变体（特别是L-SHADE）的主导地位，这些方法能够保持其差分向量的旋转不变性。后2020年的分析揭示了向高复杂度混合优化器的转变，这些优化器组合不同机制（如特征向量交叉、社会分享、强化学习），以最大化排名稳定性。我们通过识别这些现代基准与变分量子算法景观之间的结构相似性，得出结论，演化而来的CEC求解器具备满足量子控制所需的特定自适应能力。
引用
@article{arxiv.2603.24140,
title = {A Longitudinal Analysis of the CEC Single-Objective Competitions (2010-2024) and Implications for Variational Quantum Optimization},
author = {Vojtěch Novák and Tomáš Bezděk and Ivan Zelinka and Swagatam Das and Martin Beseda},
journal= {arXiv preprint arXiv:2603.24140},
year = {2026}
}