超变异与老化使人工免疫系统胜过进化算法
神经与进化计算
2019-03-18 v2
摘要
我们对 Opt-IA 人工免疫系统（AIS）进行时间复杂度分析。我们首先通过孤立地分析其区分性算子（即具有变异势的超变异与老化）来凸显其优势与局限。近期工作表明，在动态优化基准函数上，老化结合局部变异可帮助逃离局部最优。我们将该结果推广，严格证明与进化算法（EAs）相比，在使用局部和全局变异时，老化在标准 Cliff 基准函数上均带来显著的加速。除非采用首次建设性变异（FCM）停止机制，我们证明超变异需要指数级期望运行时间来优化任何具有多项式个最优解的函数。若改用 FCM，则期望运行时间至多比任何使用人工适应度水平方法的随机局部搜索算法所得上界大一个线性因子。尽管如此，我们证明使用超变异的算法在逃离局部最优时可比 EAs 快得多。对完整 Opt-IA 的分析表明，它在前述函数上高效，并凸显了使用完整算法至关重要的若干问题。我们通过给出一类函数补全图景：在这类函数上 Opt-IA 以压倒性概率失败，而标准 EAs 是高效的。
引用
@article{arxiv.1804.01314,
title = {When Hypermutations and Ageing Enable Artificial Immune Systems to Outperform Evolutionary Algorithms},
author = {Dogan Corus and Pietro S. Oliveto and Donya Yazdani},
journal= {arXiv preprint arXiv:1804.01314},
year = {2019}
}
备注
An extended abstract of this paper has been published at the 2017 Genetic and Evolutionary Computation Conference