具有中性的NK景观的局部最优网络

在先前工作中，我们引入了一种基于网络的模型，该模型抽象了底层景观的许多细节，并将景观信息压缩为一个加权有向图，称为局部最优网络。该图的顶点是给定适应度景观的局部最优解，而弧是局部最优解吸引域之间的转移概率。本文将此形式化方法扩展到中性适应度景观，这类景观在困难的组合搜索空间中很常见。通过使用NK家族的两个已知中性变体（即NKp和NKq），其中中性程度可通过参数调节，我们展示了最优网络及相关吸引域的新定义与非中性情况下的先前定义一致。此外，我们的实证研究和统计分析表明，中性景观的特征在最大中性和非中性景观之间平滑插值。我们发现了所研究的两个中性景观家族之间一些未知的结构差异。但总体而言，所研究的网络特征证实，在具有渗透中性网络的景观中，中性可能增强启发式搜索。我们当前的方法需要穷举底层搜索空间。因此，在此分析具有实际意义之前，应开发采样技术。然而，我们认为所提出的模型为组合优化问题的问题难度提供了新视角，并可能启发设计更有效的搜索启发式算法。