排列问题的进化多样性优化分析
摘要：演化多样性优化问题在传统优化任务中引起了广泛关注。本研究通过对三个最常研究的排列问题进行演化多样性优化的调查，为这一研究领域做出了贡献。这三个问题分别是：旅行商问题（TSP），对称和非对称的变体，以及二次分配问题（QAP）。本研究分析了一个仅使用突变操作的演化算法在不同突变算子下的最坏情况表现，使用了一个已建立的多样性度量。理论结果表明，这些问题的许多突变算子可以在立方到四次方的预期运行时间内收敛到最大多样性的人口。另一方面，对QAP的结果表明，强突变算子在最坏情况下的表现较差，因为突变强度对预期运行时间产生指数影响。此外，还在QAPLIB和合成实例中进行了实验，涉及无约束和约束设置，并展示了更乐观的实际表现，同时支持有关突变强度的理论发现。这些结果应该作为未来研究的基准。
作者：Anh Viet Do and Mingyu Guo and Aneta Neumann and Frank Neumann
论文ID：2102.11469
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-11-01