米姆作为问题实例进化优化的基本构建块
摘要：通过迁移以往问题解决经验中学习到的模因，增强未来进化搜索的智能优化，本文引入了一种新颖的基于模因的计算范式。具体而言，所提出的模因搜索范式由四个启发自文化的算子组成，即模因学习、模因选择、模因变异和模因模仿。学习算子从过去的问题解决经验中挖掘潜在结构形成模因。选择算子确定适应的模因在问题之间复制和传播，而变异算子则对模因进行创新。另一方面，模仿算子定义了适应的模因如何融入新遇到的问题的搜索过程，从而实现高效而有效的进化优化。最后，对两个广泛研究的具有挑战性的建立良好的NP难问题领域进行综合研究，特别是容量车辆路径问题（CVR）和容量弧路径问题（CAR），确认了所提出的基于模因的计算搜索范式在问题的智能进化优化中的高效性。
作者：Liang Feng, Yew Soon Ong, Ah Hwee Tan, Ivor Wai-Hung Tsang
论文ID：1207.0702
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2012-07-04