翻转本地探索的开关：具有逆转操作的遗传算法
摘要：复杂系统的一个重要特征是问题领域存在许多局部最小值和子结构。生物系统通过在不同的子系统之间切换来解决这些局部最小值，这取决于它们的环境或发育背景。遗传算法（GA）可以模拟这种切换性质，并提供一种克服问题领域复杂性的方法。然而，标准的GA需要额外的运算符，以便以随机的方式进行大规模探索。无梯度启发式搜索技术适用于在离散领域中提供最优解的单目标优化任务，特别是与明显较慢的基于梯度的方法相比。为了做到这一点，作者转向航班调度领域的优化问题。作者比较了常见无梯度启发式搜索算法的性能，并提出了GA的变种。引入了迭代连锁（IC）方法，它在传统的连锁技术基础上进行改进，通过触发多个局部搜索而不是单个变异运算符的动作。作者将展示多个局部搜索的使用可以改善局部随机搜索的性能，为许多其他问题领域的应用提供了充分的机会。观察到，所提出的GA变种在包括所提出的问题在内的所有基准测试中具有最低平均成本，而IC算法的性能优于其组成部分。
作者：Ankit Grover, Vaishali Yadav, Bradly Alicea
论文ID：2202.00912
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-08-25