通过控制标准位变异的方差来插值局部与全局搜索
神经与进化计算
2019-01-18 v1
摘要
进化算法（EAs）取得成功的一个关键特性是其全局搜索行为，该行为使算法能够从当前状态“跳跃”到搜索空间的其他部分，从而避免陷入局部最优。这一特性通过对子代从已评估解中采样的半径进行随机选取而获得。众所周知，得益于该全局搜索行为，使用标准位变异的 EA 找到任意函数 全局最优解的概率随着函数评估次数增加而趋于 1。然而，相较于使用固定搜索半径的启发式方法，这一优势代价是在最优速率长期稳定的那些阶段中也使用了非最优步长。这一缺点导致在许多标准基准问题上出现显著的性能损失。我们在本工作中引入一种简单方法来插值 EA 的随机全局搜索与其仅从固定半径采样的确定性对应方法。为此，我们引入归一化标准位变异，其中搜索半径的二项选择被正态分布取代。归一化标准位变异允许以直接方式控制其方差，从而控制所涉及的随机程度。我们尝试了该方差的自适应选择，并针对两个经典基准问题 LeadingOnes 和 OneMax 展示了其有效性。我们的工作也因此触及离散进化计算中一个被广泛忽视的问题：多维参数控制。
引用
@article{arxiv.1901.05573,
title = {Interpolating Local and Global Search by Controlling the Variance of Standard Bit Mutation},
author = {Furong Ye and Carola Doerr and Thomas Bäck},
journal= {arXiv preprint arXiv:1901.05573},
year = {2019}
}