Enge O(4^k/p_c)-Laufzeitschranke für einen (μ+1) GA auf Jump_k bei realistischen Kreuzungswahrscheinlichkeiten
Wir zeigen eine verbesserte und enge Zeitschranke von O(μn log(k) + 4k/p_c) für einen (μ+1) GA auf der Jumpk-Funktion unter milden Annahmen an die Kreuzungswahrscheinlichkeit p_c und die Populationsgröße μ.
Eine flexible evolutionäre Algorithmus mit dynamischer Mutationsraten-Archivierung
Der Algorithmus verwaltet ein Archiv erfolgreicher Mutationsraten und wählt in jeder Iteration eine Mutationsrate aus diesem Archiv oder mit geringer Wahrscheinlichkeit eine andere Rate, um eine gute Balance zwischen lokaler Suche und globaler Exploration zu erreichen.
Effiziente Anpassung der Skalierungsfaktoren und Kreuzungsraten in Differenzialevolution für gemischt-ganzzahlige Black-Box-Optimierung
Die Leistung von Differenzialevolution für gemischt-ganzzahlige Black-Box-Optimierung hängt stark von der Wahl der Methode zur Anpassung der Skalierungsfaktoren und Kreuzungsraten ab. Einfache Anpassungsmethoden können in den meisten Fällen bessere Ergebnisse liefern als fortschrittlichere Methoden.
Bereits moderate Populationsgrößen erweisen sich nachweislich als sehr robust gegenüber Rauschen
Bereits moderate Populationsgrößen der (1+λ) EA und (1,λ) EA können die OneMax-Funktion in asymptotisch der gleichen Zeit optimieren wie ohne Rauschen, selbst bei konstanter Rauschwahrscheinlichkeit pro Iteration.
Die Robustheit der Lexicase-Auswahl bei widersprüchlichen Zielen
Lexicase und 𝜖-lexicase Auswahl sind effektive Algorithmen für viele Ziele, aber ihre Leistung bei widersprüchlichen Zielen variiert.
© 2024 by Linnk AI