基于 Bandit 的随机变异爬山算法
人工智能
2016-06-21 v1 神经与进化计算
摘要
随机变异爬山算法是一种直接搜索技术，主要用于离散域。它重复以下过程：随机选择当前最佳解的一个邻居，如果该邻居优于或等于当前最佳解则接受该邻居。在本工作中，我们提出了一种使用一组独立的多臂 Bandit 式选择单元来选择邻居解的新方法，从而得到了基于 Bandit 的随机变异爬山算法。新算法在 OneMax 问题（无噪声和有噪声情况）和 Royal Road 问题（无噪声情况）上均显著优于随机变异爬山算法。该算法对于每次适应度评估代价高昂的离散优化问题展现出特别的前景。
引用
@article{arxiv.1606.06041,
title = {Bandit-Based Random Mutation Hill-Climbing},
author = {Jialin Liu and Diego Peŕez-Liebana and Simon M. Lucas},
journal= {arXiv preprint arXiv:1606.06041},
year = {2016}
}
备注
7 pages, 10 figures