GARA：基于基因间关系提高遗传算法精度与效率的新方法
神经与进化计算
2024-05-01 v1 人工智能
摘要
遗传算法在工程优化中发挥重要作用。传统遗传算法将每个基因视为独立变量，然而生物物理学研究表明不同基因之间存在直接关联。为此本文提出Gene Regulatory Genetic Algorithm（GRGA），其核心创新在于利用基因间关系提升遗传算法的精度与效率。我们构建一种包含解空间的有向多部份图RGGR，其中节点对应解中的每个基因，边表示相邻节点间的关系。边的权重反映关系强度，依据候选解（可接受或不可接受）在链中结构的性能，动态调整这些权重。所得RGGR用于确定交叉与变异算子的最优位置，从而引导演化过程实现更快更优的收敛。我们在单目标多模态优化问题中评估GRGA方法，并进一步在特征选择、文本摘要和降维三类应用中进行测试。结果表明，GARA在提升遗传算法性能方面具有有效且前景乐观的特性。
引用
@article{arxiv.2404.18955,
title = {GARA: A novel approach to Improve Genetic Algorithms' Accuracy and Efficiency by Utilizing Relationships among Genes},
author = {Zhaoning Shi and Meng Xiang and Zhaoyang Hai and Xiabi Liu and Yan Pei},
journal= {arXiv preprint arXiv:2404.18955},
year = {2024}
}