一套用于描述选择方案的诊断度量
摘要：基准套件对于评估进化算法的问题解决能力提供了有用的度量，但是组成问题通常太复杂，无法清晰地确定算法的优势和劣势。在这里，我们介绍了一个用于在进化过程中对选择方案进行经验分析的基准套件DOSSIER（``选择方案在进化中的诊断概述''）。利用DOSSIER，我们分析了对开发和探索相关重要方面的选择方案。开发是基本的爬山算法，但我们考虑了两种情况：纯粹开发，其中表示中的每个位置都可以独立优化，以及约束开发，由于位置之间的相互作用，向上进展受到限制。当优化路径不明确时，探索是必要的；我们考虑了跟随多个独立的爬山路径和跨越适应度谷的能力。这些情境的每一种组合都产生了不同的适应度景观，有助于描述给定选择方案相关的进化动力学。我们分析了六种常见的选择方案。锦标赛选择和截断选择在开发度量方面表现出色，但在需要探索时表现不佳。相反，新颖性搜索在探索方面表现出色，但未能利用梯度。适应度共享在克服欺骗方面表现良好，但在其他诊断方面则表现不佳。无优排序对于维护各个最优解组成的多样群体效果最佳，但在有效利用梯度方面则表现不佳。按字典顺序选择在平衡搜索空间探索和利用开发方面表现良好，通常在各项诊断方面都表现出色。我们的工作证明了诊断在快速建立对选择方案特性的直观理解方面的价值，然后可以用于改进或开发新的选择方法。
作者：Jose Guadalupe Hernandez, Alexander Lalejini, Charles Ofria
论文ID：2204.13839
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-09-12