将基因不变性加入最优混合的陷阱与潜力
神经与进化计算
2025-06-19 v1
摘要
最优混合（OM）是一种将局部搜索与基因重组集成的变异算子。采用 OM 的遗传算法（GA）在离散空间中实现最先进优化，相较于经典基于重组的 GA 拥有显著优势。这一成功部分归因于高选择压力推动快速收敛。然而，这也可能负面影响种群多样性， complicating 解决具有层次结构的问题，这类问题具有多层复杂性。虽然已有尝试解决此问题，但这些解决方案往往复杂且容易引起偏差。为克服此问题，我们提出一种灵感来自 Gene Invariant Genetic Algorithm（GIGA）的解决方案，该方法在整个过程中保持基因频率。该技术针对并集成到 Gene-pool Optimal Mixing Evolutionary Algorithm（GOMEA）， resulting in GI-GOMEA。简单而优雅的改动展现出显著的潜力：GI-GOMEA 在广泛的已知问题上优于 GOMEA，即使这些问题被调整以消除陷阱——即使这些陷阱容易被维持基因不变性所利用。或许更值得注意的是，GI-GOMEA 也能有效解决层次结构问题，包括新引入的非对称层次陷阱函数。
引用
@article{arxiv.2506.15222,
title = {The Pitfalls and Potentials of Adding Gene-invariance to Optimal Mixing},
author = {Anton Bouter and Dirk Thierens and Peter A. N. Bosman},
journal= {arXiv preprint arXiv:2506.15222},
year = {2025}
}