一组用于刻画选择方案的诊断度量套件
神经与进化计算
2023-10-24 v3
摘要
基准套件对于评估进化算法的性能至关重要,但其所含问题往往过于复杂,难以清晰揭示算法优劣。为弥补此不足,我们引入 DOSSIER(“进化运行中选方案的诊述总览”,Diagnostic Overview of Selection Schemes In Evolutionary Runs),一个最初由八个手工设计度量组成的诊断套件。这些度量旨在从经验上衡量利用、探索及其交互的特定能力。我们考量有约束与无约束下的利用,并将探索分为两方面:多样性探索(同时探索多条路径的能力)与跨谷探索(跨越越来越宽适应度谷的能力)。我们将 DOSSIER 应用于六种流行选择方案:截断、锦标赛、适应度共享、词典式、非支配排序与新奇搜索。我们的结果证实简单方案(如锦标赛与截断)侧重利用。然而对于更复杂方案,我们的诊断揭示了有趣动态。词典式选择在所有不含跨谷的诊断中表现中等,但凡有山谷存在便急剧失利,甚至差于随机搜索。适应度共享是唯一能有效应对跨谷的方案,但在其他诊断中表现不佳。我们的研究凸显了使用诊断以获取选择方案特性的细致洞察之效用,可为指导新选择方法的设计提供依据。
引用
@article{arxiv.2204.13839,
title = {A suite of diagnostic metrics for characterizing selection schemes},
author = {Jose Guadalupe Hernandez and Alexander Lalejini and Charles Ofria},
journal= {arXiv preprint arXiv:2204.13839},
year = {2023}
}
备注
Incorporated valley crossing diagnostics and results. Also refactored paper to focus on three key problem characteristics