Jaya算法和半稳态Jaya算法的随机模型
摘要：针对Jaya和半稳态Jaya算法，我们建立了随机模型进行分析。分析结果表明，对于半稳态Jaya算法：(a)每一代中最差索引更新数量的最大预期值微不足道，不论种群规模如何，都只有1.7；(b)每一代中最佳索引更新数量的期望值随着迭代次数的增加而单调递减，不论种群规模如何；(c)可以对特定分布获得最佳更新数量的精确上界和渐近值；对于正态和逻辑分布，上界为0.5，对于均匀分布，上界为ln2，对于指数分布，上界为e^(-gamma)ln2，其中gamma是欧拉-马可尼常数；对于逻辑和指数分布，渐近值为e^(-gamma)ln2，对于均匀分布，渐近值为ln2（无法在正态分布中解析地获得渐近值）。这些模型导致了Jaya和半稳态Jaya的计算复杂度的推导。理论分析得到了基准套件上的实证结果的支持。我们的随机模型提供的见解应该有助于设计新的、改进的基于群体的搜索/优化启发式算法。
作者：Uday K. Chakraborty
论文ID：2202.06944
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-09-15