关于稳态进化算法与选择压力：为何基于逆排序的繁殖试验分配最优
神经与进化计算
2021-03-19 v1 人工智能
摘要
我们分析了选择压力对稳态进化算法(EAs)全局优化能力的影响。对于标准双峰基准函数 \twomax，我们严格证明，使用均匀父代选择会导致标准 (+1)~EA 和 (+1)~RLS 在任意多项式种群规模下以高概率呈现指数级运行时间才能定位两个最优值。另一方面，我们证明，选择最差个体作为父代可在合理种群规模下以压倒性概率实现高效的全局优化。由于始终选择最差个体可能在逃离局部最优时产生不利影响，我们考虑了具有低选择压力的随机父代选择算子在称为 \textsc{TruncatedTwoMax} 的函数类上的性能，其中一侧斜率短于另一侧。实验分析表明，配备逆锦标赛选择（选择失败者进行繁殖且锦标赛规模较小）的 EAs 能高效全局优化 \textsc{TwoMax}，并以高概率有效逃离 \textsc{TruncatedTwoMax} 的局部最优。因此，它们能高效识别两个最优值，而均匀（或更强）选择无论在理论上还是实践中均告失败。随后，我们通过严格证明或实验证据，在文献中需要种群的函数类上展示了逆选择的力量，其优于配备或不配备重启策略的均匀选择。我们在论文结尾通过对经典 MaxSat 和多维背包问题的标准基准上不同选择压力的经验分析，证实了我们的理论见解。
引用
@article{arxiv.2103.10394,
title = {On Steady-State Evolutionary Algorithms and Selective Pressure: Why Inverse Rank-Based Allocation of Reproductive Trials is Best},
author = {Dogan Corus and Andrei Lissovoi and Pietro S. Oliveto and Carsten Witt},
journal= {arXiv preprint arXiv:2103.10394},
year = {2021}
}