- 体育中心顾客细分:案例研究
本文通过分析一个具有个性化特征的特定案例研究,提出了一种对于客户细分的稳健且创新的方法,该方法通过方便的数据划分、自适应距离函数定义以及遗传算法的优化来增强数据集可靠性,从而改进了运营效率和市场营销策略,最终提高了客户体验。
- 深度学习与遗传算法用于宇宙贝叶斯推断加速
本文提出了一种新颖的方法来加速贝叶斯推断过程,特别关注嵌套取样算法。
- 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 - 通过部分解决方案挖掘潜在解释性模式
通过引入部分解决方案来改善组合优化问题的解释能力,我们提出了一种算法,该算法选择一系列部分解决方案以在高适应度、简单性和原子性之间取得平衡,实验证明该算法能够以合理的计算成本找到改善解释能力的部分解决方案而不影响搜索性能。
- 通过临床背景知识指导预测流程监控的逆事实解释生成
通过使用基因算法技术,考虑运行时的一系列时间约束条件,我们在预测性过程监控的解释性领域中,为反事实在生成方面进行了改进,以保持时间背景知识的满意度,以及遵循反事实的传统质量指标。
- 一种新的动态分布式规划方法:应用于 DPDP 问题
本研究提出了一种新的动态分布式规划方法,能够考虑智能体引入的动作变化,以适应环境中的变化。该方法使用遗传算法满足约束条件生成新的规划,每当智能体的动作集发生变化时,就会生成一个新的规划,使其考虑新引入的动作及旧规划中未执行的动作,以及新引入 - 语义镜像越狱:基于遗传算法的越狱提升 开放源码 LLMs
介绍了一种利用语义镜像破解方法来生成与原始问题语义相似的破解提示,通过基因算法生成合适的破解提示,相比基线方法,该方法的攻击成功率提升了最多 35.4%(无 ONION 防御)和 85.2%(有 ONION 防御),同时在破解提示的语义相关 - 长提示的自动工程化
我们研究了自动的长提示工程算法,证明了贪婪算法和遗传算法在搜索效率方面的优越性,并引入了两种利用搜索历史增强搜索算法效果的新技术。我们的研究结果表明,该算法在 Big Bench Hard 的八个任务中实现了平均 9.2% 的准确度提升,突 - 进化算法在父母选择机制和变异中加强深度强化学习:在排列流水车间调度问题中最小化完成时间
该研究论文介绍了一种基于强化学习方法的遗传算法配置与优化的应用,特别针对流水车间调度问题。该混合算法结合了神经网络,并使用离策略方法 Q-learning 或在策略方法 Sarsa (0) 控制遗传算法的两个关键操作:父选择机制和变异。研究 - 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。
- 基于多元 GAN 的磁盘故障预测模型的数据层次混合策略选择
通过混合合成数据解决数据类别不平衡问题,并结合遗传算法提高对特定分类模型的磁盘故障分类预测准确率。
- 公平特征选择:多目标遗传算法比较
该研究论文研究了公平分类中的特征选择问题,通过比较两种基于遗传算法的多目标优化方法,即帕累托支配型遗传算法和词典优化型遗传算法,发现词典优化型遗传算法在提升准确性的同时,不降低分类器的公平性,为公平分类研究指明了一条有前景的新方向。
- 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
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 - 基于改进的鲲鸟群算法的云空间职责调度
云计算和任务调度算法的研究,使用遗传算法、颗粒群优化、蚁群优化以及扩展改进的 Salp Swarm Algorithm 进行比较。研究结果表明,提出的算法性能普遍优于其他算法,如与基本的 Salp Swarm Algorithm 相比,平均 - 机器学习中的逼近健身
我们提出了一种新的方法,在遗传算法中使用机器学习模型进行适应度近似估计,重点是在 Gymnasium(游戏)模拟器中的进化智能体,其中适应度计算代价很高。维护一个包括个体及其实际适应度评分的样本数据集,我们通过整个进化过程不断更新适应度近似 - 以 MCTS 引导遗传算法优化神经网络权重
本研究探讨了在遗传算法中应用搜索策略以探索整个基因树结构的可能性。我们尝试优化神经网络使用遗传算法,以生成最佳结果,结合了蒙特卡洛树搜索等方法。
- 利用自然工具解码自然:利用遗传算法和量子退火技术构建粒子物理学的异型线丛模型
文中介绍了应用遗传算法在 Calabi-Yau 三倍体上搜寻超弦理论的紧致化形式,能够解决系统性搜索无法完成的问题,并且在小数量的 Kahler 参数的情况下,遗传算法能够找到几乎所有可行的解决方案。
- 基于元黑盒优化的注意力遗传算法发现
本文提出了一种基于数据驱动和灵活参数化的方法来发现全新的遗传算法,在各种优化任务上性能优于现有的自适应基线遗传算法,并且具有很强的泛化能力。通过对发现的运算符进行广泛的分析和消融实验,证明其参数化灵活性和可以将学到的运算符传递给传统的遗传算 - 基于遗传多臂赌博机的通过仿真进行离散优化的强化学习方法
本文提出了一种新算法 GMAB,将强化学习领域的多臂赌博机和遗传算法中的随机搜索策略相结合,通过模拟来解决离散随机优化问题。实验结果表明,GMAB 在大量测试问题中取得了优越的性能。
- 结合卷积神经网络的神经进化增强拓扑
本文探索将神经进化算法应用于卷积神经网络拓扑结构优化,使用 Residual Networks 实现可变卷积神经网络拓扑结构,同时讨论如何对该系统进行优化以适应基于遗传算法的优化方法。