Jun, 2023

随机人口更新在多目标进化算法中可以被证明是有帮助的

PDF
TL;DR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。
发现论文，激发创造
  • 使用三目标进化算法求解动态禁制条件背包问题

    研究探讨应用三目标进化算法解决具有随机和动态约束的背包问题，通过将体重和背包容量建模为随机和动态组成部分，与二目标公式相比，三目标公式在应对动态背包问题中具有明显优势。

    Apr, 2024

  • 进化算法中，大的种群规模可能并不有益

    本文分析种群在进化算法中的作用和影响，证明了大规模种群不总是有益的，讨论了其影响机制和节约计算时间的方法。

    Aug, 2012

  • 在噪声存在的情况下多目标进化算法的运行分析

    通过数学运行分析一个简单的多目标进化算法 (MOEA) 在评估函数噪声存在的情况下对模拟基准的第一次 Pareto 前沿的发现表明，MOEA 的稳健性源于其隐式多样性机制，该机制旨在使其能够计算涵盖整个 Pareto 前沿的人口。

    May, 2023

  • 适度数量的种群可证明具有强健的抗噪性

    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

  • 自适应进化算法在多峰优化上的应用

    该研究提出了一种名为停滞检测的机制，可用作现有进化算法的模块，通过在多模式优化和自适应机制的探索中对其进行实验以及在限制方面研究其模块的潜在影响，验证了该模块的性能。

    Apr, 2020

  • 可学习演化算法在可扩展多目标优化中的调查

    本研究论文总结了最近学习型多目标进化算法在解决不同尺度多目标优化问题中的进展和挑战，并提供了四个有吸引力的方向，即用于环境选择的可学习进化鉴别器，用于繁殖的可学习进化生成器，用于函数评估的可学习进化评估器，以及用于共享或重复使用优化经验的可学习进化传输模块，作为这一领域的努力的参考。

    Jun, 2022

  • 多目标进化算法中组件效应对算法行为的影响

    研究使用自动设计的算法对多目标进化算法进行了效果评估，通过比较搜索轨迹网络、种群的多样性和任意时刻的超体积值，发现算法组件对于不同问题具有不同的影响。

    Jul, 2023

  • 带概率约束问题的三目标帕累托优化

    本文研究了使用三目标公式来解决具有机会约束的问题，证明该公式在处理确定性基数约束时只需进行 1 位翻转即可计算所有所需的权衡，并且在实验中检验了其在优化支配集问题中的好处。

    Apr, 2023

  • 较大的后代种群有助于 $(1 + (λ, λ))$ 遗传算法克服噪声

    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

  • 进化优化和贝叶斯优化中的模型不确定性：一项比较分析

    这篇论文介绍了黑盒优化问题以及贝叶斯优化和替代辅助进化算法两种优化技术的使用方法和差异，还介绍了一种新的基于模型辅助的策略，通过利用未评估的解产生后代，并结合进化算法的群体搜索能力来提高模型辅助优化的效果。实验结果表明，该方法在准确性和效率方面优于主流的贝叶斯优化算法。

    Mar, 2024