高复杂度下在NK景观上寻找更优适应度的算法：混过法
人工智能
2020-09-08 v2 多智能体系统
种群与进化
摘要
在高复杂度下——由NK景观中决策各组成要素间的普遍相互依赖给出——我们的算法获得了优于现有研究报告的适应度。我们将构成决策的决策要素分配到簇中。当考虑一个决策要素取值的改变时，若与该决策要素相邻的簇成员的总体适应度更高，则执行前向移动。选取路径中适应度最高的决策配置。增加簇的数量可获得更高的适应度。此外，执行包含簇中至多两次改变的移动也获得更高适应度。我们的算法通过实现更广泛的搜索、允许检视更远配置而获得更优结果。我们将此算法命名为混过算法（muddling through algorithm），以纪念Charles Lindblom，他在精密计算机模拟出现之前很久就指出了该过程的有效性。
引用
@article{arxiv.2006.08333,
title = {An Algorithm to find Superior Fitness on NK Landscapes under High Complexity: Muddling Through},
author = {Sasanka Sekhar Chanda and Sai Yayavaram},
journal= {arXiv preprint arXiv:2006.08333},
year = {2020}
}
备注
6 pages and 5 figures