本文研究如何在多目标进化算法中引入随机性,证明了将确定性的种群更新机制替换为随机性机制可以使算法的运行时间指数级减少,实验证明了这个提出的方法的有效性。
Jun, 2023
本文分析了强选择弱突变(SSWM)进化模型运行时间及其与(1 + 1)EA 的异同之处,并研究了如何利用适应度梯度实现 SSWM 在跨越适应度谷时的优势。
Apr, 2015
基于数学运行时间分析,该研究表明在具有先前的比特噪声的情况下,(1+λ) 和 (1,λ) 进化算法都可以容忍恒定的噪声概率而不增加 OneMax 基准测试的渐近运行时间。
Apr, 2024
本论文描述了一种新的基于层级定理的技术,应用于任何非精英进程,并对几个伪布尔函数、排序问题和组合优化中的最优解逼近进行了演示。
Jul, 2014
通过量化分析和实验验证,我们设计了一种基于 “智能重启机制” 的 EDAs 算法,可以自动识别较好的参数,并且在许多情况下充分展示了其优异的性能表现。
Jun, 2022
研究一种遗传算法对于评估函数中噪声的鲁棒性,特别地,较大的后代人口规模通常会带来更强的鲁棒性。实验结果表明,该算法比其他算法更具有鲁棒性。
May, 2023
通过优化遗传算法,模拟物种在环境中的进化与自然选择,研究物种间相互作用,预测未来的变化,寻找生物进化的途径及其应用。
Sep, 2022
设计一种可学习的进化算法(LEA)来实现从手工设计的优化策略到学习的优化策略的转变,能够高效地利用目标任务的低保真信息来形成优化策略,以更少的计算成本获得更好的解决方案。
Apr, 2023
这篇综述论文研究了在大规模群体系统中进行可控分析和多智能体强化学习的关键问题和挑战,介绍了现有的相关研究领域和方法,并讨论了未来的应用前景和方向。
本文介绍了一种滑动窗口加速技术,通过使用这种技术减少算法中的种群规模,达到与之前的方法相同的理论性能保证,同时显著提高解决一系列最大覆盖问题实例和约束设置的结果。