利用cGA优化崎岖景观的理论研究
神经与进化计算
2022-11-28 v1
摘要
分布估计算法(EDAs)提供了一种基于分布的优化方法，在算法运行过程中自适应其概率分布。我们增进了对EDAs的理论理解，并指出其分布方法使其比经典局部搜索算法更适合处理崎岖适应度景观。具体而言，我们通过给每个适应度值添加噪声使OneMax函数变得崎岖。尽管如此，cGA仍能找到具有n(1-\epsilon)个1的解，即便噪声方差很大。相比之下，RLS和(1+1) EA在高概率下仅能找到具有n(1/2+o(1))个1的解，即便噪声方差很小。
引用
@article{arxiv.2211.13801,
title = {Theoretical Study of Optimizing Rugged Landscapes with the cGA},
author = {Tobias Friedrich and Timo Kötzing and Frank Neumann and Aishwarya Radhakrishnan},
journal= {arXiv preprint arXiv:2211.13801},
year = {2022}
}
备注
17 pages, 1 figure, PPSN 2022