非精英种群中变异率的自适应
神经与进化计算
2016-06-20 v1 种群与进化
摘要
进化算法（EAs）的运行时间严格依赖于其参数设置，而这些设置通常是针对特定问题的。已开发出的参数自动调优方案旨在减轻手动参数调优的高昂成本。实验结果表明，将参数设置编码在个体基因组中的自适应机制在连续优化中是有效的。然而，在离散优化中的结果尚无定论。此外，一直缺乏解释自适应如何带来渐近加速的严格运行时分析。本文首次针对基于种群的离散 EAs 提供了此类分析。我们应用基于水平的分析（level-based analysis）来证明自适应 EA 能够微调其变异率，从而相比使用固定变异率的 EA 实现指数级加速。
引用
@article{arxiv.1606.05551,
title = {Self-adaptation of Mutation Rates in Non-elitist Populations},
author = {Duc-Cuong Dang and Per Kristian Lehre},
journal= {arXiv preprint arXiv:1606.05551},
year = {2016}
}
备注
To appear in the Proceedings of the 14th International Conference on Parallel Problem Solving from Nature (PPSN)