质量多样性算法的运行时分析
摘要：增长的兴趣使质量多样性（QD）成为近年来进化计算的一个分支。Map-Elites QD方法定义了一个特征空间，即搜索空间的一个分割，并为该空间的每个单元存储了最佳解。我们在“数字为1的个数”特征空间上研究了一个简单的QD算法，在这里第i个单元存储了数字为$[(i-1)k, ik-1]$的求解方案中的最佳解。这里的k是一个粒度参数，$1\le k \le n+1$。我们给出了期望时间的严格界限，直到所有单元都被覆盖，适用于任意适应度函数和所有k，并分析了QD在OneMax等与特征空间结构有利的问题上的期望优化时间。在组合问题中，我们证明了QD能够高效地找到最大化任何单调子模函数的${(1-1/e)}$-近似解，具有单一均匀基数约束。通过将特征空间定义为连接图的连通分量的数量，我们证明了QD能够在多项式时间内找到最小生成树。
作者：Jakob Bossek, Dirk Sudholt
论文ID：2305.18966
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-07-06