泛化多数函数上随机局部搜索的运行时间分析
摘要：进化算法的运行时间分析最近在将算法性能与算法参数相联系方面取得了重要进展。然而，很少有研究问题参数影响的设置。最近提出的W模型为这种分析提供了一个良好的框架，它生成具有可调属性的伪布尔优化问题。 我们通过研究W模型的一个属性——中性——如何影响随机局部搜索的运行时间，启动了对W模型的理论研究。中性通过首先对解决方案候选子集进行多数表决，然后通过低级适应性函数评估较小维度的字符串，在搜索空间中创建了平台。 我们证明了在整个参数谱上，对于MAJORITY问题的随机局部搜索的期望运行时间的上限。为此，我们提供了一个适用于许多优化算法的定理，将MAJORITY的运行时间与其对称版本HASMAJORITY相联系，在其中需要足够多的多数来优化子集。我们还引入了经典漂移定理的广义版本和Wald方程的广义版本，我们相信这两个版本具有独立的研究意义。
作者：Carola Doerr and Martin S. Krejca
论文ID：2204.12770
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-09-27