SHX：基于搜索历史驱动的实编码遗传算法交叉算子
神经与进化计算
2020-03-31 v1
摘要
在进化算法中，遗传算子迭代生成新的后代，构成一组潜在有价值的搜索历史。为提升实编码遗传算法（RCGA）中交叉算子的性能，本文提出以在线方式利用迭代过程中迄今缓存的搜索历史。具体而言，过去若干代的存活个体被收集并存储于归档中以形成搜索历史。我们引入一种简单而有效的由搜索历史驱动的交叉模型（简称 SHX）。特别地，搜索历史被聚类，且每个簇被赋予一个分数用于 SHX。本质上，所提出的 SHX 是一种数据驱动方法，利用搜索历史在后代生成后进行后代选择。由于无需额外的适应度评估，SHX 有利于具有有限预算或昂贵适应度评估的任务。我们在 4 个基准函数上实验验证了 SHX 的有效性。定量结果表明，我们的 SHX 在精度方面能显著增强 RCGA 的性能。
引用
@article{arxiv.2003.13508,
title = {SHX: Search History Driven Crossover for Real-Coded Genetic Algorithm},
author = {Takumi Nakane and Xuequan Lu and Chao Zhang},
journal= {arXiv preprint arXiv:2003.13508},
year = {2020}
}
备注
GECCO2020 poster