变种群模因搜索：以关键节点问题为例
神经与进化计算
2019-09-20 v1 人工智能
摘要
基于种群的模因算法已成功应用于求解许多困难的组合问题。此类算法常使用固定大小的种群来记录搜索中采样到的一些最优解。然而，鉴于所考虑问题实例的特定特征，变大小的种群将更适于确保可能的最佳搜索性能。本文提出变种群模因搜索（VPMS），其中采用一种策略性种群规模机制在模因搜索过程中动态调整种群大小。我们的 VPMS 方法从仅含两个解的小种群开始搜索以聚焦于开发，然后根据搜索状态调整种群大小，持续影响开发与应用探索之间的平衡。我们展示了 VPMS 方法在求解具挑战性的关键节点问题（CNP）中的应用。我们表明，集成变种群、一种有效局部优化过程（称为多样化延迟接受搜索）和基于骨架的交叉算子的 VPMS 算法相较于最先进的 CNP 算法表现非常优异。该算法能够在 42 个流行基准实例中的 13 个上发现新的上界，同时匹配 23 个先前已知最优上界。
引用
@article{arxiv.1909.08691,
title = {Variable Population Memetic Search: A Case Study on the Critical Node Problem},
author = {Yangming Zhou and Jin-Kao Hao and Zhang-Hua Fu and Zhe Wang and Xiangjing Lai},
journal= {arXiv preprint arXiv:1909.08691},
year = {2019}
}