关于具有变异势的反比例超变异
神经与进化计算
2019-03-29 v1
摘要
采用具有线性静态变异势的超变异的人工免疫系统（AIS）近来被证明在逃离组合优化问题的局部最优解方面非常有效，但代价是相较于标准进化算法在开发阶段更慢。在本文中，我们证明在开发阶段可通过动态反比例变异势（IPM）实现显著的加速，并论证该势应随到最优解的距离而非适应度差反比例下降。随后我们定义了一个简单的 (1+1)~Opt-IA，它使用 IPM 超变异和老化，用于最优解未知的实际应用。该 AIS 的目标是随着搜索空间的探索越来越好地逼近反比例超变异的理想行为。我们证明这种期望行为及相关的加速出现在一个被称为 \textsc{TwoMax} 的被广泛研究的双峰基准函数上。此外，我们证明带有 IPM 的 (1+1)~Opt-IA 能高效优化第三个双峰函数 \textsc{Cliff}，通过逃离其局部最优解，而带有静态势的 Opt-IA 不能，因而在悬崖与最优解之间的距离上需要指数级期望运行时间。
引用
@article{arxiv.1903.11674,
title = {On Inversely Proportional Hypermutations with Mutation Potential},
author = {Dogan Corus and Pietro S. Oliveto and Donya Yazdani},
journal= {arXiv preprint arXiv:1903.11674},
year = {2019}
}
备注
This paper is accepted in GECCO 2019