Divide-and-Evolve：面向域无关性时序规划的一种新型遗传算法
人工智能
2016-08-16 v1
摘要
提出一种新颖的方法，称为Divide-and-Evolve，用于将进化算法(EA)与运营研究(OR)方法在时序规划问题(TPP)中的域无关性进行混合。标准的遗传算法使用局部搜索方法来改进演化解，因而在局部方法在完整问题上停止工作时会失败。相反，Divide-and-Evolve方法将当前问题划分为几个hopefully更容易的子问题，从而可以解决当直接输入确定性OR算法时难以解决的全局问题。但Divide-and-Evolve方法最突出的优势是它立即开启了多目标优化的途径，尽管所使用的OR方法是单目标的。我们给出了在标准(单目标)Zeno交通基准测试上的概念验证方法，并提出了一个小型原创的多目标基准测试，同样在Zeno框架下，用于评估所提方法的多目标能力，这是时序规划中的一次突破。
引用
@article{arxiv.cs/0601031,
title = {Divide-and-Evolve: a New Memetic Scheme for Domain-Independent Temporal Planning},
author = {Marc Schoenauer and Pierre Savéant and Vincent Vidal},
journal= {arXiv preprint arXiv:cs/0601031},
year = {2016}
}