Sep, 2023

遗传工程算法（GEA）：一种高效的元启发式算法用于解决组合优化问题

PDF
TL;DR提出了一种基于遗传工程概念的新元启发算法 —— 遗传工程算法（GEA），通过重新设计传统遗传算法并引入新的搜索方法，以基于已有基因的选择来孤立、提纯、插入和表达新基因，从而产生具有所选基因的特定染色体，旨在解决遗传算法中的限制问题。与现有算法在基准实例上进行的比较评估表明，GEA 具有卓越的性能，展示了其作为组合优化问题的创新高效解决方案的潜力。
genetic algorithmscombinatorial optimization problemsefficiencygenetic engineering algorithmmetaheuristic algorithm
发现论文，激发创造
  • 天文学和天体物理学中的遗传算法

    该文介绍了遗传算法（GAs）在计算优化问题中的应用，以及在天文学和天体物理学中的实用性。

    Feb, 2012

  • 遗传算法的 FAIRy 故事

    本文提出了扩展的 FAIR 数据原则以增强遗传算法的可再现性和可重用性，并使用轻量级 RDF 格式的词汇表来促进此目的。通过遗传算法作为示例，阐述了算法方法发展和变种对于算法复现的挑战。此工作可以扩展到多种优化和机器学习算法。

    Apr, 2023

  • 特征选择的快速遗传算法 —— 一种定性近似方法

    本文提出了一种两阶段的辅助代理进化方法，用于解决在大型数据集的封装设置中使用遗传算法进行特征选择时产生的计算问题。通过构建轻量级的定性元模型通过主动选择数据实例进行特征选择任务，并在遗传算法 CHC 的基础上应用该过程来创建定性近似变体 CHCQX。实验证明，CHCQX 对于包含超过 100K 个实例的大型数据集收敛速度更快且准确度更高。此外，我们还展示了我们的方法在粒子群优化（PSO）方法的定性逼近适应中的适用性，该方法属于进化计算（EC）范式的另一个分支，相关结果可在 GitHub 上找到完整的实现。

    Apr, 2024

  • 遗传算法是分子生成的强大基准

    本论文表明，遗传算法是一种强大的生成分子的算法，优于许多复杂的机器学习方法，并提出了遗传算法准则，建议重新评估分子生成的研究。

    Oct, 2023

  • GARA：利用基因间关系提升遗传算法的准确性和效率的新方法

    提出了基于基因调控的基因遗传算法（GRGA），利用基因之间的关系来改进遗传算法（GA）的准确性和效率。通过设计一个多部分图 RGGR 来表示解空间，其中每个节点对应一个解中的基因，并且边表示相邻节点之间的关系。通过使用 RGGR 来确定交叉和变异的位置，引导进化过程以更快、更好地收敛。通过在多模式优化问题以及特征选择、文本摘要和降维等应用上的测试，结果表明 GRGA 是有效和有希望的。

    Apr, 2024

  • 引导进化神经网络架构搜索与高效性能估计

    该论文提出了一种名为 GEA 的新型引导神经结构搜索方法，该方法使用零代理估计器在每个代际初始化阶段生成和评估多个架构，然后从现有架构生成多个后代并同时驱动探索和剪枝，结果表明 GEA 在多个数据集上都取得了最先进的结果。

    Jul, 2022

  • 使用并行遗传算法进行星体结构建模以实现客观全局优化

    使用遗传算法进行全局参数优化，快速在参数空间中探索，成功解决了一些与白矮星天文学有关的问题，并提供了一种新的计算密集型建模应用方法。

    Aug, 2002

  • 一种用于发现多样频繁模式的高效遗传算法

    本文提出了一种利用遗传算法挖掘多样化频繁模式集的快速启发式搜索算法，采用相对编码方案和有效的双胞胎去除技术来确保搜索结果的多样性，该算法在标准基准测试中优于现有方法并能够在短时间内产生令人满意的结果。

    Jul, 2015

  • 无线网络中的遗传算法：技术、应用与问题

    本文首次全面综述遗传算法在无线网络中的应用，强调了其在机器学习、优化和分类方面的卓越通用性和适应性。

    Nov, 2014

  • GOOSE 算法：一个强大的优化工具，用于现实世界的工程挑战和更多领域

    本研究提出了基于鹅的行为的 GOOSE 算法作为一种新颖的元启发式算法，并通过与其他算法进行比较研究，验证了该算法在各种基准测试函数和实际工程问题优化中的卓越性能。

    Jul, 2023