引入精英黑箱模型：精英选择何时会削弱进化算法的性能？

黑箱复杂性理论为进化算法等黑箱优化器的运行时间提供了下界，并为新型遗传算法的设计提供了灵感。目前存在多种覆盖不同算法类别的黑箱模型，每种模型都突出了所考虑算法的不同方面。在这项工作中，我们在现有黑箱概念的基础上增加了一种新的精英黑箱模型，该模型要求算法完全基于（固定数量的）迄今为止采样到的最佳搜索点来做出所有决策。我们的模型结合了基于排序的黑箱模型和内存受限黑箱模型的特征与精英选择。我们提供了若干例子，其中精英黑箱复杂性指数级地大于所有先前黑箱模型中相应的复杂性，从而表明精英黑箱复杂性可以更接近典型进化算法的运行时间。我们还引入了 p-蒙特卡洛黑箱复杂性的概念，它衡量以最多为 p 的失败概率优化一个问题所需的时间。即使对于很小的 p，一个函数类 F 的 p-蒙特卡洛黑箱复杂性也可能比其通常考虑的拉斯维加斯复杂性（衡量优化 F 所需的期望时间）小一个指数因子。