用于分析先进局部搜索算法的多层局部最优网络

局部最优网络（LON）是一种基于特定邻域算子和局部搜索算法来压缩特定组合优化问题适应度景观的图模型。确定哪些景观特征以及如何影响搜索算法的有效性，对于预测其性能和改进设计过程都具有重要意义。本文提出了多层 LON 的概念以及一种探索这些模型的方法，旨在提取用于适应度景观分析的度量指标。构建此类模型、提取并分析其度量指标，是将基于单一邻域算子的启发式研究扩展至使用多个算子的更复杂启发式的初步步骤。因此，本文研究了使用位翻转（bitflip）和交换（swap）算子从组合问题实例获得的两层 LON。首先，我们枚举 NK 景观模型的实例并使用爬山启发式构建相应的 LON。然后，利用 LON 度量指标，我们分析结合两种策略时搜索可能具有的效率。实验展示了有前景的结果，并证明了多层 LON 能够提供有用信息的能力，这些信息可用于基于多算子的元启发式算法，如变邻域搜索（Variable Neighborhood Search）。