基于新颖度生成具有多样局部最优网络的连续景观
神经与进化计算
2026-04-24 v1
摘要
局部最优网络(LON)将搜索空间的全局结构表示为图，但其构建需要迭代执行搜索算法以找到局部最优点并近似估计不同吸引极点(Basins of Attraction, BoA)之间的转换。在连续优化中，这种高计算成本阻碍了系统性地研究LON特征与演化算法性能之间的关系。为此，我们提出一种针对Max-Set of Gaussians(MSG)景观的替代定义，其多模态性可显式调节，从而绕过基于搜索的BoA识别，实现低成本LON构建。此外，我们利用新颖搜索(NS)探索MSG景观生成器的参数空间，生成具有多样图拓扑结构的实例。我们的实验表明，所提出的BoA与基于梯度的BoA高度吻合，NS成功生成具有不同搜索难度和最优点之间连通性模式的实例。最后，在NS生成的实例上，我们从LON特征预测两种成熟演化算法的成功率。虽然我们的LON构建特定于MSG景观，但所提出的框架提供了一个可作为景观感知优化基础的数据集。
引用
@article{arxiv.2604.21468,
title = {Novelty-Based Generation of Continuous Landscapes with Diverse Local Optima Networks},
author = {Kippei Mizuta and Shoichiro Tanaka and Shuhei Tanaka and Toshiharu Hatanaka},
journal= {arXiv preprint arXiv:2604.21468},
year = {2026}
}