利用Walsh系数影响揭示实际问题与理论问题中的隐藏问题结构
机器学习
2025-04-22 v1 人工智能
摘要
灰箱优化利用Walsh分解获取非线性变量依赖关系，并利用其提出具有联合非线性影响的变量掩码，以提高变异算子的有效性。在某些问题中，所有变量都是非线性依赖的，这使得上述掩码毫无用处。我们分析了此类问题的实际实例特征，表明许多依赖可能源于噪声。此类噪声引起的依赖与优化过程无关，可被忽略。为识别这些依赖，我们提出通过测量变量依赖强度来扩展Walsh分解的用途，以构建加权动态变量交互图（wdVIG）。wdVIG调整依赖强度以适应混合个体，允许过滤无关依赖并重新启用基于依赖的掩码以供变异算子使用。我们在大型基准套件上验证了wdVIG的潜力。对于噪声问题，wdVIG掩码可提高优化器的有效性。如果所有依赖都对优化至关重要，即问题无噪声，wdVIG掩码的影响与当前方法类似。
引用
@article{arxiv.2504.13949,
title = {On Revealing the Hidden Problem Structure in Real-World and Theoretical Problems Using Walsh Coefficient Influence},
author = {M. W. Przewozniczek and F. Chicano and R. Tinós and J. Nalepa and B. Ruszczak and A. M. Wijata},
journal= {arXiv preprint arXiv:2504.13949},
year = {2025}
}