概率模型构建遗传算法的效率增强
摘要：用于概率模型生成遗传算法的两种不同的效率增强技术的研究 将调节算符引入子解决方案邻域进行局部搜索的变异算符研究。 提出了建立和使用与变量相互作用的概率模型和适应度概率模型的内部概率模型的研究。 使用概率模型估计了一些后代的适应度值，从而避免了计算昂贵的函数评估。 使用面向特征的模型分析了上述技术的可扩展性，包括收敛时间和种群大小。 每种方法所获得的加速度进行了预测，并通过实证结果进行了验证。 结果表明，对于可加性可分离的问题，有能力的变异算符所需的函数评估次数比其选择重组对应物少O(k 0.5 logm)，其中k是构建块的大小，m是构建块的数量。 结果还表明，使用内部概率适应度模型可以将所需的函数评估次数降低至1-10\%，并获得2-50倍的速度提升。
作者：Kumara Sastry, David E. Goldberg, Martin Pelikan
论文ID：cs/0405062
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2007-05-23