用于组合优化的快速免疫系统启发超变异算子
神经与进化计算
2020-09-03 v1
摘要
多项研究表明,免疫系统启发的超变异算子可使人工免疫系统(AIS)在逃离多模态优化问题的局部最优时非常高效。然而,这种效率的代价是相较于标准进化算法,在开发阶段的运行时间显著变慢。我们提出了对传统的“具有变异势的超变异”(HMP)的改进,使其在保持有效探索特性的同时,也能在开发上高效。我们不再于超变异的每次比特翻转后确定性地评估适应度,而是以“抛物”分布对适应度函数进行随机采样,这使得 HMP 的“停于首次建设性变异”(FCM)变体将未找到改进时线性数量的浪费函数评估降为常量。该随机分布也允许如 HMP 算子设计之初所期望的那样彻底移除 FCM 机制。我们严格证明了所提算子在所有文献中 HMP 性能已被严格理解的基准函数上的有效性,并验证所获见解,以展示对组合优化中经典 NP 难问题高质量近似解的识别获得线性加速。我们随后在标准 Opt-IA AIS 的整体分析中展示了 HMP 算子优于传统算子,其中随机评估方案使 HMP 与老化算子协调工作。通过对文献中其他“快速变异”算子的比较性能研究,我们得出结论:在可用问题知识很少的黑箱场景中,抛物评估方案的幂律分布是最佳折衷。
引用
@article{arxiv.2009.00990,
title = {Fast Immune System Inspired Hypermutation Operators for Combinatorial Optimisation},
author = {D. Corus and P. S. Oliveto and D. Yazdani},
journal= {arXiv preprint arXiv:2009.00990},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:1806.00299