研究演化算法在排列问题和映射问题上的应用,提出了一种新的变异算子 “cycle mutation”,并且利用新的排列距离度量方法进行问题特征分析和应用实验,结果表明 cycle mutation 适用于映射和分配问题,对于旅行商问题有一定局限性,并且相对于常用替代方案对局部最优解的稳健性更好。
May, 2022
该论文提出了一种将基于经典伪布尔基准问题的算法推广到排列基准问题上的方法,并对旋转置换的基准问题进行了分析,发现排列的循环结构决定了变异的难度,并提出使用更对称的 Scramble 变异操作器和重尾 Scramble 操作器来加速算法运行,并进行了实证分析。
Jul, 2022
本文研究了适应性函数分析在排列优化问题上的理论与实践,着重探讨了距离度量问题及其分类方法,并利用主成分分析法对于度量方法进行分类,揭示出排列优化问题的分类规律及其子类型,利用其进行突变算子的选择和进化算法的优化。
Aug, 2022
本研究提出了将经典的伪布尔基准转化为置换集基准的一般方法,分析了置换基础 $(1+1)$EA 在 LeadingOnes 和 Jump 基准的模拟上的运行时间,旨在研究置换问题。
Apr, 2022
通过强化学习提出并评估了一种新的方法来帮助开发通用框架,用于获取、处理和利用即时和未来使用的经验,以解决优化问题和平衡探索和开发之间的挑战。
Dec, 2023
本论文提出了一种新的基于最短编辑路径的交叉操作符,该操作符在图结构上克服了排列问题,并在黑盒神经架构搜索中实现了比变异、标准交叉和强化学习更好的预期进展,因此允许充分利用种群搜索。新的交叉操作符可以作为黑盒神经架构搜索方法的基础理论。
Oct, 2022
利用进化程序员方法和遗传算法进行无人机航迹规划,以适应不同环境下的场景变化。
Mar, 2022
本文研究了在动态多目标优化问题中应用表观遗传机制对现有多目标遗传算法 MOEA/D-DE 的性能进行了比较,并提供了初步的实验证据表明,更多的算法应该探索自然界中丰富的表观遗传机制。
Nov, 2022
从适应度水平分区、适应度水平间的转移概率等方面,提出了一种新的证明进化算法期望运行时间下界的方法,可获得 LO、OneMax、long k-paths 以及具有唯一最优解的所有函数的确切或近似下界,并可用于决定适当的最佳变异率,从而最小化期望的适应度计算次数。
Sep, 2011
旅行推销员问题(TSP)是文献中研究充分的 NP 困难问题之一。该论文研究了涵盖从 2,000 到 85,900 个城市的问题,并发现人工组合多个求解器的算法能够在解决 10,000 个城市以上的问题时超越现有的最先进求解器的表现。
Aug, 2023