基准问题上一种新颖的图形弯曲变换
神经与进化计算
2020-12-14 v2
摘要
经典基准问题利用多种变换技术来增加优化难度，例如用于抗中心化效应的平移和用于抗维度敏感性的旋转。然而，尽管测试了变换不变性，此类操作并未真正改变景观的“形状”，而是改变了“视角”。例如，旋转后，病态条件问题在方向上被转动，但仍保持成比例的分量，这在一定程度上并未给优化带来太多障碍。本文受图像处理启发，研究了一种用于基准问题的新颖图形保角映射变换以变形函数形状。弯曲操作不改变函数基本性质，例如单峰函数在弯曲后几乎保持单峰性，但可修改搜索空间中感兴趣区域的形状。实验表明，同一优化器在保角弯曲函数上比在旋转版本上花费更多搜索代价并遭遇更多失败。我们还分析了所提函数的若干参数以揭示进化算法的性能敏感性。
引用
@article{arxiv.2004.10042,
title = {A Novel Graphic Bending Transformation on Benchmark},
author = {Chunxiuzi Liu and Fengyang Sun and Qingrui Ni and Lin Wang and Bo Yang},
journal= {arXiv preprint arXiv:2004.10042},
year = {2020}
}
备注
11 pages, 7 figures, to be published in Proceedings of 2020 IEEE International Conference on Systems, Man and Cybernetics (SMC 2020), 2020. Chunxiuzi Liu and Fengyang Sun contribute equally to this article