局部最优网络与迭代局部搜索的性能
人工智能
2012-10-16 v1
摘要
局部最优网络（LONs）最近被提出作为组合适应度景观的替代模型。该模型将整个搜索空间的信息压缩成一个更小的数学对象，即一个图，其顶点为局部最优解，边为它们之间可能的加权转移。从这个模型中可以导出一组新的度量，用于捕捉底层配置空间中局部最优解的分布和连通性。本文脱离了对局部最优网络的描述性分析，主动研究了网络特征与局部搜索启发式算法性能之间的相关性。考虑了NK景观族和迭代局部搜索元启发式算法。通过基于多元线性回归的统计可靠方法，表明某些LON特征强烈影响甚至可以在一定程度上预测启发式搜索算法的性能。本研究验证了LON作为组合适应度景观模型的表达能力。
引用
@article{arxiv.1210.3946,
title = {Local optima networks and the performance of iterated local search},
author = {Fabio Daolio and Sébastien Verel and Gabriela Ochoa and Marco Tomassini},
journal= {arXiv preprint arXiv:1210.3946},
year = {2012}
}
备注
Proceedings of the fourteenth international conference on Genetic and evolutionary computation conference, Philadelphia : United States (2012)