Jump 函数的无偏黑盒复杂度
神经与进化计算
2014-10-17 v2
摘要
我们分析了在最优解周围具有小、中、大适应度平台大小的 Jump 函数的无偏黑盒复杂度。除其他结果外，我们表明当 Jump 大小为 时，即仅有小部分常数比例的适应度值可见， arity 为 及更高的无偏黑盒复杂度与简单 \textsc{OneMax} 函数的复杂度同阶。即使是极端 Jump 函数（其中除 和 两个适应度值外其余全部被遮蔽），也存在多项式时间的基于变异（即一元无偏）的黑盒优化算法。考虑到对于极端 Jump 函数，几乎整个搜索空间（除 比例外）都是恒定适应度的平台，这一结果相当令人惊讶。为了证明这些结果，我们引入了分析无偏黑盒复杂度的新工具，例如，不仅通过比较竞争搜索点的适应度来选择新的父代个体，还考虑其后代的（经验）期望适应度。
引用
@article{arxiv.1403.7806,
title = {Unbiased Black-Box Complexities of Jump Functions},
author = {Benjamin Doerr and Carola Doerr and Timo Kötzing},
journal= {arXiv preprint arXiv:1403.7806},
year = {2014}
}
备注
This paper is based on results presented in the conference versions [GECCO 2011] and [GECCO 2014]