频率适应度分配：使优化算法在目标函数值的双射变换下保持不变
神经与进化计算
2020-10-19 v5 人工智能
组合数学
摘要
在频率适应度分配（FFA）下，对应于某个目标值的适应度是其在适应度分配步骤中的出现频率，并作为最小化对象。FFA 使优化过程在目标函数值的双射变换下保持不变。在维度为 s 的 TwoMax、Jump 和 Trap 函数上，采用标准变异率 1/s 的经典 (1+1)-EA 的期望运行时间可能关于 s 呈指数级。在我们的实验中，(1+1)-FEA（即相同算法但使用 FFA）表现出的平均运行时间似乎随 缩放。由于 Jump 和 Trap 是 OneMax 的双射变换，它在三者上的行为完全相同。在 OneMax、LeadingOnes 和 Plateau 问题上，它似乎比 (1+1)-EA 慢了关于 s 线性的倍数。在 W-Model 和 MaxSat 实例上，(1+1)-FEA 的表现远优于 (1+1)-EA。我们进一步通过将 Md5 校验和计算作为变换应用于上述部分问题来验证双射不变性，并得到了相同的行为。最后，我们展示了 FFA 能够改进用于作业车间调度的模因算法的性能。
引用
@article{arxiv.2001.01416,
title = {Frequency Fitness Assignment: Making Optimization Algorithms Invariant under Bijective Transformations of the Objective Function Value},
author = {Thomas Weise and Zhize Wu and Xinlu Li and Yan Chen},
journal= {arXiv preprint arXiv:2001.01416},
year = {2020}
}