在有约束的LeadingOnes上对(1+1)进化算法的分析
摘要：遗传算法在约束问题上的表现如何一直备受关注。本文研究了遗传算法在经典的LeadingOnes问题的约束版本上的优化过程。我们首先对LeadingOnes问题的确定性基数约束下的经典(1+1)遗传算法进行了运行时间分析，给出了紧密界的$Theta(n (n-B)log(B) + n^2)$。我们的结果表明，算法的行为与均匀约束的约束界密切相关。然后，我们考虑了随机约束的问题，并利用基于采样的方法对($mu$+1)遗传算法在处理这些约束时的能力进行了实验研究，从而提供了一些见解。
作者：Tobias Friedrich, Timo K"otzing, Aneta Neumann, Frank Neumann, Aishwarya Radhakrishnan
论文ID：2305.18267
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-05-30