Core Concepts
자기 조절 진화 알고리즘은 다중 모드 지형에서 정적 매개변수 선택에 비해 성능이 저하된다.
Abstract
이 논문은 자기 조절 (1, λ)-EA 알고리즘의 성능을 다중 모드 지형에서 분석한다.
주요 내용은 다음과 같다:
자기 조절 (1, λ)-EA 알고리즘은 단봉 최적화 문제에서는 매우 좋은 성능을 보이지만, 다중 모드 지형에서는 정적 매개변수 선택에 비해 성능이 저하된다.
구체적으로 distorted OneMax 벤치마크에서, 자기 조절 알고리즘은 국소 최적점에서 벗어나지 못해 정적 매개변수 선택에 비해 성능이 크게 떨어진다.
이를 이론적으로 분석하고 실험적으로 검증하였다. 자기 조절 알고리즘의 성능 저하는 국소 최적점에서 벗어나지 못하는 것이 주된 원인이다.
자기 조절 메커니즘이 국소 최적점 탈출에 방해가 되는 것으로 나타났다. 따라서 자기 조절 알고리즘은 다중 모드 지형에서 한계가 있음을 보여준다.
Stats
자기 조절 (1, λ)-EA 알고리즘은 distorted OneMax 문제에서 Ω(n ln n/p) 시간이 소요된다.
(1 + λ)-EA 알고리즘도 distorted OneMax 문제에서 Ω(n ln n/p) 시간이 소요된다.
(1, λ)-EA 알고리즘은 distorted OneMax 문제에서 O(n ln n) 시간이 소요된다.
Quotes
"자기 조절 메커니즘이 국소 최적점 탈출에 방해가 되는 것으로 나타났다."
"따라서 자기 조절 알고리즘은 다중 모드 지형에서 한계가 있음을 보여준다."