不受表示方法限制的基于距离驱动的扰动用于优化病态问题
摘要：利用基于本地性的演化算法进行随机搜索优化黑盒问题是至关重要的。然而，在实际应用中，很难找到一种基因型编码方式，使得该基因型在汉明距离方面具有本地性。与此同时，通过使用领域特定的知识，可以定义具有本地性特性的度量方法。我们提出了两种变异算子来更高效地使用度量方法解决这些问题。第一个算子假设对距离具有先验知识，第二个算子将距离作为黑盒使用。这些算子应用了一个分布估计算法，根据论文中定义的函数来找到最佳变异体，该函数利用了给定的距离。对于伪布尔和整数优化问题，我们通过实验证明，当应用于考虑的进化算法和随机局部搜索时，这两个变异算子在大多数函数上加快了搜索速度。此外，这些算子可以应用于使用扰动的任何随机搜索算法。然而，我们的变异算子会增加墙上时间，因此在距离计算比真实目标函数（要便宜得多）更便宜时，在实践中是有帮助的。
作者：Kirill Antonov, Anna V. Kononova, Thomas B"ack, Niki van Stein
论文ID：2306.02985
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-06-06