NK 与广义 NK 景观的分析
神经与进化计算
2013-02-15 v1
摘要
数十年来，模拟景观一直被用于评估旨在寻找具有最大适应度的景观位置的搜索策略。应用包括模拟酶催化反应的能力以及医疗手段的临床有效性。理解景观的性质对于理解搜索难度至关重要。本文提出了对 NK 景观的一种新颖且透明的刻画。我们证明 NK 景观可由参数化线性交互模型表示，其中模型系数具有有意义的解释。我们推导了模型系数的统计性质，从而深入理解 NK 算法如何将重要性分配给主效应和交互作用。从线性模型表示中得到的一个重要见解是，由 NK 算法定义的线性模型的秩与局部最优解的数量相关，而局部最优解的数量是景观复杂性和搜索难度的一个强决定因素。我们证明 NK 景观的最大秩是通过形成部分平衡不完全区组设计的上位交互作用实现的。最后，推导出一个表示景观上局部最优解期望数量的解析表达式，为快速计算超大型景观的局部最优解期望数量提供了一种方法。
引用
@article{arxiv.1302.3541,
title = {An analysis of NK and generalized NK landscapes},
author = {Jeffrey S. Buzas and Jeffrey Dinitz},
journal= {arXiv preprint arXiv:1302.3541},
year = {2013}
}