基于随机局部搜索的停滞检测

近来提出了一种称为停滞检测的机制，可在进化算法遇到局部最优时自动调整变异率。由 Rajabi 和 Witt（GECCO 2020）引入的所谓 $SD-(1+1)EA$ 将停滞检测加入具有标准位变异的经典 $(1+1)EA$ 中，后者以某变异率独立翻转每一位，并在算法可能遇到局部最优时提高变异率。在本文中，我们在随机局部搜索的 $k$-位翻转算子背景下研究停滞检测，该算子均匀随机地翻转 $k$ 位，并让停滞检测调整参数 $k$。我们获得了相比 $SD-(1+1)EA$ 改进的运行时结果，实现了高达 $e=2.71\dots$ 的加速。此外，我们提出额外的方案，即使算法因不幸事件错过可行的 $k$ 选择，也能防止无限优化时间。最后，我们给出一个标准位变异仍优于带停滞检测的局部 $k$-位翻转的实例。