NK和广义NK景观的分析
摘要：用来评估搜索策略的模拟景观已经被使用了几十年，其目标是找到具有最大适应性的景观位置。应用包括模拟酶催化反应的能力和医学治疗的临床效果。了解景观的性质对于理解搜索的困难程度很重要。本文介绍了一种新颖而透明的NK景观的表征方法。 我们证明了NK景观可以通过参数化的线性交互模型来表示，其中模型系数具有有意义的解释。我们推导了模型系数的统计性质，提供了NK算法如何解释主效应和交互作用的见解。线性模型表示得到的一个重要洞察是，NK算法定义的线性模型的排名与局部最优值的数量相关，这是景观复杂性和搜索困难性的一个重要决定因素。我们表明，NK景观的最大秩通过形成部分平衡不完全块设计的上位基因交互作用来实现。最后，我们推导出表示景观上局部最优值的预期数量的解析表达式，为快速计算非常大的景观上的局部最优值的预期数量提供了一种方式。
作者：Jeffrey S. Buzas and Jeffrey Dinitz
论文ID：1302.3541
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2013-02-15