利用自适应梯度法与定向进化优化离散参数
最优化与控制
2024-01-17 v1 机器学习
神经与进化计算
摘要
本文研究在存在约束条件下优化离散参数的问题。我们使用带温度的随机sigmoid函数，并提出新的自适应梯度法CONGA。最优解的搜索由个体组成的种群进行。每个个体根据'环境'的梯度变化，并由两个具有不同退火策略的温度参数表征。未适应的个体死亡，而最优个体杂交，其结果是定向进化动力学。利用著名的背包最优装载组合问题（0-1 KP）对所提出的方法进行了说明。
引用
@article{arxiv.2401.06834,
title = {Optimization of Discrete Parameters Using the Adaptive Gradient Method and Directed Evolution},
author = {Andrei Beinarovich and Sergey Stepanov and Alexander Zaslavsky},
journal= {arXiv preprint arXiv:2401.06834},
year = {2024}
}
备注
19 pages, 12 figures