元启发式研究者何时以及为何可以忽略“无免费午餐”定理
神经与进化计算
2019-06-11 v1
摘要
搜索与优化的无免费午餐（NFL）定理指出，在固定搜索空间上对所有可能的目标函数取平均，所有搜索算法的表现同样好。该定理的几个精炼版本在针对较小函数集取平均时也发现了类似结果。本文认为NFL结果仍被许多研究者误解，并从几个方面解决此问题。现有反对NFL结果对现实世界影响的论点被收集并重新表述以便理解，同时增加了新的论点。文中指出了文献中存在的特定误解，并推测其可能产生的方式。本文针对NFL结论的一种常见转述——即算法必须专门化到问题域才能表现良好——提出反对意见，在此之前对通常未定义的术语“域”进行了问题化讨论。它提供了新颖的具体反例，说明NFL定理不适用的情况。最后，本文提出了一种关于NFL真实含义的新视角，结合了人择原理，并论证了在许多常见情况下研究者可以忽略NFL的立场。
引用
@article{arxiv.1906.03280,
title = {When and Why Metaheuristics Researchers Can Ignore "No Free Lunch" Theorems},
author = {James McDermott},
journal= {arXiv preprint arXiv:1906.03280},
year = {2019}
}