具有全局变异算子的搜索启发式算法配置器性能分析

近来已证明，一种称为 ParamRLS 的简单算法配置器能够有效识别随机局部搜索用于优化两类标准基准问题类时所需的最优邻域大小。在本文中，我们分析算法配置器在调优标准进化算法中所用更复杂的全局变异算子（以概率 $\chi/n$ 独立翻转 $n$ 个比特中的每一个，且必须识别 $\chi$ 的最优值）方面的性能。我们比较了在截止时间 $\kappa$ 内获得的最佳适应度值用于比较配置与两类标准基准问题类 Ridge 和 LeadingOnes 的实际优化时间时配置器的性能。我们严格证明，所有以优化时间为性能度量的算法配置器都需要至少与期望优化时间一样大的截止时间才能识别最优配置。若使用适应度度量则情况大不相同。为说明这一点，我们证明简单的 ParamRLS-F 配置器即使在使用的截止时间远小于两类问题类最优参数值的期望优化时间时，也能识别最优变异率。