关于通过不同玩具问题平滑粗糙 landscapes的影响：以UBQP为例
最优化与控制
2025-08-13 v1 人工智能
摘要
无约束二进制二次规划(UBQP)问题的困难性源于其粗糙的 landscapes。已提出多种算法用于UBQP，包括Landscape Smoothing Iterated Local Search(LSILS)。与其他UBQP算法不同，LSILS通过构建原始UBQP与玩具UBQP的凸组合来尝试平滑粗糙的 landscapes。本文进一步研究了使用不同玩具UBQP问题平滑粗糙 landscapes的影响，包括construct by +/−1的玩具UBQP(Q1)，construct by +/−i的玩具UBQP(Q2)，以及construct randomly的玩具UBQP(Q3)。我们首先评估三个玩具UBQPs的landscape flatness。随后，我们测试使用不同玩具UBQPs的LSILS效率。结果表明，construct by +/−1的玩具UBQP(Q1)在三个玩具UBQPs中呈现最平坦的landscape，而construct randomly的玩具UBQP(Q3)呈现最不平坦的landscape。值得注意的是，使用construct by +/−i的玩具UBQP(Q2)的LSILS效果最佳，而construct randomly的玩具UBQP(Q3)效果最差。这些发现有助于更深入地理解UBQP优化中平滑landscape技术。
引用
@article{arxiv.2407.19676,
title = {On the Effects of Smoothing Rugged Landscape by Different Toy Problems: A Case Study on UBQP},
author = {Wei Wang and Jialong Shi and Jianyong Sun and Arnaud Liefooghe and Qingfu Zhang and Ye Fan},
journal= {arXiv preprint arXiv:2407.19676},
year = {2025}
}