多根·康力斯;彼得罗·奥利维托。;多尼亚·亚兹达尼 人工免疫系统可以为NP难数划分问题找到任意好的近似值。 （英语） Zbl 1478.68283号 Artif公司。智力。 274, 180-196 (2019). 摘要：典型的人工免疫系统（AIS）算子，如具有突变潜能的超突变和老化，可以有效克服进化算法（EA）难以摆脱的局部最优解。这种行为已经在人工示例函数中得到证明，特别是为了显示EA在优化过程中可能遇到的困难而构建的示例函数。然而，没有证据表明这两个操作员在更现实的问题中也有类似的行为。本文对标准NP-hard进行了分析分区组合优化中的问题严格表明，超突变和老化允许AIS有效地逃离局部最优，而标准EA需要指数时间。结果我们证明，当EA和随机局部搜索（RLS）可能陷入4/3近似时，AIS在（n（epsilon^{-（2/epsilon）-1}）（1-\epsilen）^{-2}e^32^{2/\epsilon}+2n^32^}{2/\ epsilon{2/\。这个期望在问题大小中是多项式，并且仅在\（1/\ε\）中是指数。据我们所知，这是首次针对经典组合优化问题证明任何AIS的性能保证。 引用于9文件 理学硕士： 68T05型 人工智能中的学习和自适应系统 68T20型 人工智能背景下的问题解决（启发式、搜索策略等） 68瓦20 随机算法 68周25 近似算法 68瓦50 进化算法、遗传算法（计算方面） 90B35型 运筹学中的确定性调度理论 90C27型 组合优化 90 C59 数学规划中的近似方法和启发式 关键词：随机搜索启发式;进化算法;人工免疫系统;近似算法;总工期计划 PDF格式BibTeX公司 XML格式引用 \textit{D.Corus}等人，Artif。智力。274180-196（2019年；Zbl 1478.68283） 全文： 内政部 arXiv公司 链接 参考文献： [1] 康力斯，D。；Oliveto，P.S。；Yazdani，D.，人工免疫系统可以为NP-hard分区问题找到任意好的近似，（PPSN 2018（2018）Proc.），16-28 [2] Forrest，S。；Perelson，A.S。；艾伦，L。；Cherukuri，R.，《计算机中的自我非自我歧视》（1994年IEEE安全与隐私交响乐团会议录（1994年）），202-212 [3] Hedberg，S.，《打击计算机病毒：IBM的新计算机免疫系统》，IEEE并行分发技术。，系统。申请。，4, 2, 9-11 (1996) [4] Dasgupta，D。；Majumdar，N.S.，使用负选择算法检测多维数据中的异常，（CEC 2002年（2002）公报），1039-1044 [5] 伯内特，F.M.，《获得性免疫的克隆选择理论》（1959年），剑桥大学出版社 [6] 德卡斯特罗，L.N。；Zuben，F.J.V.，使用克隆选择原理的学习和优化，IEEE Trans。进化。计算。，6, 3, 239-251 (2002) [7] 凯尔西，J。；Timmis，J.，免疫激发的用于功能优化的体细胞连续超突变，（GECCO 2003（2003）的Proc.），207-218·Zbl 1028.68801号 [8] Cutello，V。；尼科西亚，G。；Pavone，M。；Timmis，J.，格子模型上蛋白质结构预测的免疫算法，IEEE Trans。进化。计算。，11, 1, 101-117 (2007) [9] Jansen，T。；Zarges，C.，用B细胞算法计算最长的公共子序列，（ICARIS 2012（2012）会议记录），111-124 [10] Jansen，T。；Oliveto，P.S。；Zarges，C.，《关于顶点覆盖问题的免疫激励B-Cell算法的分析》（ICARIS 2011（2011）Proc.），117-131 [11] 康力斯，D。；Oliveto，P.S。；Yazdani，D.，关于Opt-IA人工免疫系统的运行时间分析，（GECCO 2017（2017）Proc.），83-90 [12] 康力斯，D。；Oliveto，P.S。；Yazdani，D.，《快速人工免疫系统》（PPSN XV Proc.（2018）），67-78 [13] 康力斯，D。；Oliveto，P.S。；亚兹达尼博士（Yazdani，D.），当超突变和老化使人工免疫系统能够超越进化算法时，Theor。计算。科学。（2019），出版中·Zbl 1443.68226号 [14] 多尔，B。；Le，H.P。；马赫马拉，R。；Nguyen，T.D.，《快速遗传算法》（GECCO Proc.2017（2017）），777-784 [15] Oliveto，P.S。；Lehre，P.K。；Neumann，F.，基于等级的突变结合勘探和开发的理论分析，（CEC 2009年（2009年）公报），1455-1462 [16] 康力斯，D。；Oliveto，P.S.，《标准稳态遗传算法比仅变异进化算法更快地爬山》，IEEE Trans。进化。计算。，22, 5, 720-732 (2017) [17] 丹·D·C。；弗里德里希，T。；Kötzing，T。；Krejca，M.S。；Lehre，P.K。；Oliveto，P.S。；Sudholt，D。；Sutton，A.M.，使用交叉和紧急多样性逃离局部最优，IEEE Trans。进化。计算。，22, 3, 484-497 (2018) [19] 康力斯，D。；Oliveto，P.S。；Yazdani，D.，《关于具有突变潜能的反比超突变》（GECCO 2019（2019）Proc.），出版社 [20] Lehre，P.K。；Witt，C.，无偏变异的黑箱搜索，算法学，64223-642（2012）·Zbl 1264.68221号 [21] 康力斯，D。；He，J。；Jansen，T。；Oliveto，P.S。；Sudholt，D。；Zarges，C.，《生物激励优化中变异算子的最简单函数》，Algorithmica，78，714-740（2016）·兹比尔1366.68257 [22] Garey，M.R。；Johnson，D.S.，《计算机与不可纠正性：NP-完备性理论指南》（1979），W.H.Freeman·Zbl 0411.68039号 [23] Pindo，M.，《调度：理论、算法和系统》（2016），Prentice-Hall·Zbl 1332.90002号 [24] 海耶斯，B.，最容易解决的难题，阿默。科学。，90, 113-117 (2002) [25] Witt，C.，简单随机搜索启发式的最坏情况和平均情况近似，（STACS 2005（2005），Springer-Verlag的Proc.），44-56·Zbl 1118.68658号 [26] Neumann，F。；Witt，C.，《关于动态总工期调度的随机局部搜索和简单进化算法的运行时》（IJCAI’15（2015），AAAI出版社），3742-3748 [27] Janeway，C.，《Janeway's Immunobiology》（2011年），《Garland Science》 [28] Droste，S。；Jansen，T。；Wegener，I.，关于（1+1）进化算法的分析，Theor。计算。科学。，276, 1-2, 51-81 (2002) ·Zbl 1002.68037号 [29] Oliveto，P.S。；Sudholt，D.，《随机老化机制的运行时分析》（GECCO Proc.2014（2014）），113-120 [30] Jansen，T。；Zarges，C.，《关于年龄差异对有效老化操作员的作用》，Evol。智力。，4, 2, 99-125 (2011) [31] Witt，C.，简单伪布尔函数上的（mu+1）EA的运行时分析，Evol。计算。，14, 1, 65-86 (2006) [32] 康力斯，D。；Lehre，P.K。；Neumann，F。；Pourhassan，M.，《使用进化算法进行双层优化的参数化复杂性分析》，Evol。计算。，24, 1, 183-203 (2016) [33] 克拉奇，S。；Lehre，P.K。；Neumann，F。；Oliveto，P.S.，《固定参数进化算法和最大叶生成树：突变问题》（PPSN Proc.2010（2010）），204-213 [34] 萨顿，A.M。；Neumann，F。；Nallaperuma，S.，平面欧几里德旅行推销员问题进化算法的参数化运行时分析，Evol。计算。，22595-628（2014年） [35] Chauhan，A。；弗里德里希，T。；Quinzan，F.，在无标度网络上使用EA逼近优化问题，（GECCO 2017（2017），ACM），235-242 [36] Jansen，T。；Oliveto，P.S。；Zarges，C.，使用基于边的表示近似顶点覆盖，（FOGA 2013（2013）Proc.），87-96·Zbl 1369.68312号 [37] 多尔，B。；Johannsen，D。；Kötzing，T。；Neumann，F。；Theile，M.，《全对最短路径问题的更有效交叉算子》，Theor。计算。科学。，471, 12-26 (2013) ·Zbl 1259.68180号 [38] 多尔，B。；Neumann，F。；Sutton，A.M.，随机可满足k-CNF公式上进化算法的时间复杂性分析，算法，78，2，561-586（2017）·Zbl 1366.68259号 [39] Neumann，F。；Sutton，A.M.，具有良好相关权重的背包问题进化算法的运行时分析，（PPSN XV（2018）Proc.，Springer），141-152 [40] Sutton，A.M.，一些简单组合问题上（1+1）EA的超多项式下界，Algorithmica，75，3，507-528（2016）·Zbl 1360.68791号 [41] Lengler，J.，单调函数进化算法的一般二分法，（PPSN 2018（2018）Proc.），3-15 [42] 康力斯，D。；丹·D·C。；埃雷梅耶夫，A.V。；Lehre，P.K.，遗传算法和其他搜索过程的基于水平的分析，IEEE Trans。进化。计算。，22, 5, 707-719 (2018) [43] Oliveto，P.S。；Witt，C.，简单遗传算法的改进时间复杂性分析，Theor。计算。科学。，605, 21-41 (2015) ·Zbl 1330.68120号 [44] Oliveto，P.S。；Witt，C.，关于简单遗传算法的运行时分析，Theor。计算。科学。，545, 2-19 (2014) ·Zbl 1342.68310号 [45] Sutton，A.M.，Crossover可以在固定参数可处理的优化问题上模拟有界树搜索，（GECCO 2018（2018）的Proc.），1531-1538 [46] Neumann，F。；Witt，C.，组合优化中的生物启发计算（2010），Springer-Verlag·Zbl 1223.68002号 [47] 科尔曼，T。；Leiserson，C.E。；Rivest，R.L。；Stein，C.，《算法导论》（2009），麻省理工学院出版社·Zbl 1187.68679号 [48] Karp，R.，组合问题中的可约性，（计算机计算复杂性（1972）），85-103·Zbl 1467.68065号 [49] 布鲁诺，J。；科夫曼，E.G。；Sethi，R.，调度独立任务以减少平均完成时间，Commun。美国医学会，17382-387（1974）·Zbl 0283.68039号 [50] Graham，R.L.，《多处理时间异常的界限》，SIAM J.Appl。数学。，17, 416-429 (1969) ·Zbl 0188.23101号 [51] Hochbaum，D.S。；Shmoys，D.B.，《使用双重近似算法解决调度问题：理论和实际结果》，J.ACM，34，144-162（1987） [52] Sahni，S.K.，调度独立任务的算法，J.ACM，23116-127（1976）·Zbl 0326.68024号 [53] Feller，W.，《概率论及其应用导论》（1968），John Wiley&Sons·Zbl 0155.23101号 [54] Mitzenmacher，M。；Upfal，E.，《概率与计算：随机算法与概率分析》（2005），剑桥大学出版社·Zbl 1092.60001号 [55] Doerr，B.，《随机优化启发式分析的概率工具》，（Doerr，B.；Neumann，F.，《离散搜索空间中的随机搜索启发式理论》（2019），Springer），出版社 [56] Oliveto，P.S。；Yao，X.，离散优化进化算法的运行时分析，（Auger，A.；Doerr，B.，《随机搜索启发式理论：基础和最新发展》（2011），《世界科学》，第21-52页，（第2章）·Zbl 1235.90192号 [57] Jansen，T.，《分析进化算法：计算机科学视角》（2013），Springer·Zbl 1282.68008号 [58] Lehre，P.K。；Oliveto，P.S.，《随机搜索算法的理论分析》，（Marti，R.；Pardalos，P.；Resende，M.，《启发式手册》（2018），斯普林格国际出版公司） [59] Lengler，J.，《漂移分析》（Doerr，B.；Neumann，F.，《离散搜索空间中的随机搜索启发式理论》（2019），Springer出版社）·Zbl 1484.68324号 [60] 康力斯，D。；Oliveto，P.S.，《关于种群对标准稳态遗传算法开发速度的益处》（GECCO 2019（2019）Proc.），出版社·Zbl 1492.68149号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。