이 논문은 전이 진화 최적화(TrEO) 알고리즘의 성능을 실제 세계 시나리오에서 평가하기 위한 벤치마크 문제 세트를 제안한다.
TrEO는 이전에 해결된 문제로부터 지식을 전이하여 새로운 문제를 효율적으로 해결하는 접근법이다. 그러나 "무료 점심 정리 정리"에 따르면 어떤 단일 알고리즘도 다양한 문제 유형에서 최고의 성능을 보이지 않는다.
이 논문은 실제 세계 문제의 특성을 반영하는 벤치마크 문제 세트를 제안한다. 이 문제 세트는 "큰 볼륨", "큰 다양성" 및 "큰 속도"의 세 가지 차원을 포함한다.
큰 볼륨은 이전에 해결된 많은 소스 과제를 나타내며, 큰 다양성은 소스 과제와 타겟 과제 간의 최적화 요소 차이를 나타낸다. 큰 속도는 제한된 시간 내에 높은 성능을 달성해야 하는 요구 사항을 나타낸다.
제안된 벤치마크 문제 세트는 배낭 문제, 평면 로봇 팔 문제 및 최소 공격으로 구성된다. 이러한 문제는 이산, 연속 및 혼합 최적화 도메인을 대표한다.
실험 결과는 기존 TrEO 알고리즘의 성능과 한계를 보여주며, 실제 세계 문제를 해결하기 위한 새로운 접근법 개발의 필요성을 강조한다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Yaqing Hou,W... at arxiv.org 04-23-2024
https://arxiv.org/pdf/2404.13377.pdfDeeper Inquiries