×
多甘康力斯;何骏;托马斯·詹森;彼得罗·奥利韦托。;德克·苏德霍尔特;克里斯汀·扎吉斯

生物灵感优化中变异算子的最简单函数。 （英语） Zbl 1366.68257号

算法 78，No.2，714-740（2017）.
摘要：对于生物启发搜索启发式的分析和设计来说，理解给定算法中哪些函数类容易，哪些函数类难是一个基本问题。一个自然的起点是为算法考虑最简单和最难的函数。对于使用标准位变异（SBM）的（1+1）EA，众所周知OneMax（一个最大值）是最简单的函数，具有唯一的最优值，而陷阱是最难的。本文将最简单函数类的分析推广到人工免疫系统中使用的邻接体细胞超变异（CHM）算子。我们定义一个函数MinBlocks（最小块）并证明了它是使用CHM的（1+1）EA最简单的函数，提供了运行时和固定预算分析。自MinBlocks（最小块）对于标准位突变来说，因子为2是一个最难的函数，我们考虑将这两个操作符组合成一个混合算法的效果。我们严格证明，通过结合（k）算子的优点，对于每个算子，几个混合算法方案在最容易的函数上都具有最佳的渐近性能。特别是，使用CHM和SBM的混合算法在这两个方面都具有最佳的渐近性能OneMax（一个最大值）和MinBlocks（最小块）然后，我们研究了混合方案的最容易函数，并表明混合算法的最容易的函数不仅仅是每个算子各自最容易函数的简单加权组合。

引用于4文件

MSC公司：

68分20秒 人工智能背景下的问题解决（启发式、搜索策略等）
68瓦40 算法分析
90 C59 数学规划中的近似方法和启发式

关键词：

运行时间分析;理论;杂交;进化算法;人工免疫系统

软件：

超启发式
PDF格式BibTeX公司 XML格式引用
\textit{D.Corus}等人，Algorithmica 78，No.2，714--740（2017；Zbl 1366.68257）
全文： 内政部

参考文献：

[1] Alanazi，F.，Lehre，P.K.：使用经典学习机制进行选择超神经症的运行时分析。摘自：IEEE进化计算大会会议记录（CEC 2014），第2515-2523页。IEEE（2014）
[2] Clark，E.，Hone，A.，Timmis，J.：B细胞算法的马尔可夫链模型。摘自：《人工免疫系统国际会议记录》（ICARIS 2005），LNCS 3627，第318-330页。斯普林格（2005）
[3] Cormen，T.H.，Leiserson，C.E.，Rivest，R.L.，Stein，C.：算法导论。麻省理工学院出版社，伦敦（2001）·Zbl 1047.68161号
[4] Corus，D.，He，J.，Jansen，T.，Oliveto，P.S.，Sudholt，D.，Zarges，C.：关于体细胞连续超突变和标准位突变的最简单函数。在：《遗传与进化计算会议论文集》（GECCO 2015），第1399-1406页。ACM（2015）
[5] Cowling，P.，Kendall，G.，Soubeiga，E.：安排销售峰会的超启发式方法。摘自：Burke，E.，Erben，W.（编辑）《第三届国际自动时间表实践与理论会议论文集》（PATAT 2000），第176-190页。斯普林格（2001）·Zbl 0982.68516号
[6] 德卡斯特罗，法律公告，蒂米斯，J.：《人工免疫系统：一种新的计算智能方法》。柏林施普林格出版社（2002年）·Zbl 1027.68108号
[7] Doerr，B.，Doerr，C.，Ebel，F.：从黑盒复杂性到设计新的遗传算法。定理。计算。科学。567, 87-104 (2015) ·Zbl 1314.68290号 ·doi:10.1016/j.tcs.2014.11.028
[8] Doerr，B.，Johannsen，D.，Winzen，C.：重新审视漂移分析和线性函数。摘自：IEEE进化计算大会会议记录（CEC 2010），第1967-1974页（2010）·Zbl 1002.68037号
[9] Droste，S.、Jansen，T.、Wegener，I.：关于（1+1）进化算法的分析。定理。计算。科学。276, 51-81 (2002) ·Zbl 1002.68037号 ·doi:10.1016/S0304-3975（01）00182-7
[10] He，J.，Chen，T.，Yao，X.：关于最简单和最难的健身功能。IEEE传输。进化。计算。19(2), 295-305 (2015) ·doi:10.1109/TEVC.2014.2318025
[11] He，J.，Yao，X.：用于估计进化算法计算时间的漂移分析研究。自然计算。3(1), 21-35 (2004) ·Zbl 1074.68062号 ·doi:10.1023/B:NACO.0000023417.31393.c7
[12] Jansen，T.：《分析进化算法：计算机科学视角》。柏林施普林格出版社（2013）·Zbl 1282.68008号 ·数字对象标识代码：10.1007/978-3-642-17339-4
[13] Jansen，T.、De Jong，K.A.、Wegener，I.：进化算法中后代种群大小的选择。进化。计算。13(4), 413-440 (2005) ·doi:10.1162/106365605774666921
[14] Jansen，T.，Oliveto，P.S.，Zarges，C.：关于顶点覆盖问题的免疫启发B单元算法的分析。摘自：《人工免疫系统国际会议论文集》（ICARIS 2011），LNCS 6825，第117-131页。施普林格（2011）·Zbl 1209.90358号
[15] Jansen，T.，Wegener，I.：关于（1+1）EA突变概率的选择。摘自：《第六届自然并行问题解决国际会议论文集》（PPSN 2000），LNCS 1917，第89-98页。施普林格（2000）
[16] Jansen，T.，Wiegand，R.P.：合作共同进化论（1+1）EA。进化。计算。12（4），405-434（2004）·doi:10.1162/1063656043138905
[17] Jansen，T.，Zarges，C.：分析免疫激发的体细胞连续超突变的不同变体。定理。计算。科学。412(6), 517-533 (2011) ·Zbl 1209.90358号 ·doi:10.1016/j.tcs.2010.09.027
[18] Jansen，T.，Zarges，C.：使用B-cell算法计算最长公共子序列。摘自：《人工免疫系统国际会议论文集》（ICARIS 2012），LNCS 7597，第111-124页。施普林格（2012）·Zbl 1074.68062号
[19] Jansen，T.和Zarges，C.：固定预算计算：运行时分析的不同视角。摘自：《遗传和进化计算会议论文集》（GECCO 2012），第1325-1332页。ACM（2012年）
[20] Jansen，T.，Zarges，C.：在固定预算下运行的随机搜索启发式的性能分析。定理。计算。科学。545, 39-58 (2014) ·Zbl 1360.68781号 ·doi:10.1016/j.tcs.2013.06.007
[21] Jansen，T.和Zarges，C.：使用固定预算视角重新评估免疫激发超突变。IEEE传输。进化。计算。18(5), 674-688 (2014) ·doi:10.1109/TEVC.2014.2349160
[22] Jansen，T.，Zarges，C.：动态优化的随机搜索启发式分析。进化。计算。23(4), 513-541 (2015) ·doi:10.1162/EVCO_a_00164
[23] Kelsey，J.，Timmis，J.：免疫激发的用于功能优化的体细胞连续超突变。摘自：《遗传和进化计算会议论文集》（GECCO 2003）。LNCS 2723，第207-218页。斯普林格（2003）·Zbl 1028.68801号
[24] Lehre，P.K.，Özcan，E.：简单超神经症的运行时分析：混合或不混合运算符。摘自：第十二届遗传算法基础研讨会论文集（FOGA 2013），第97-104页。ACM（2013）·Zbl 1369.68317号
[25] Lehre，P.K.，Witt，C.：带尾界的一般漂移分析。CoRR，abs/1307.2559（2013）·Zbl 1512.68443号
[26] Lengler，J.，Spooner，N.：线性函数上（1+1）EA的固定预算性能。摘自：《2015年ACM遗传算法基础会议论文集》（FOGA 2015），第52-61页（2015）·兹比尔1361.68202
[27] Neri，F.，Cotta，C.，Moscato，P.（编辑）：记忆算法手册。柏林施普林格出版社（2013）
[28] Oliveto，P.S.，Lehre，P.K.，Neumann，F.：结合探索和开发的基于等级的突变的理论分析。摘自：IEEE进化计算大会会议记录（CEC 2009），第1455-1462页（2009）·Zbl 1258.68183号
[29] Oliveto，P.S.，Sudholt，D.：关于随机老化机制的运行时分析。摘自：《遗传与进化计算会议论文集》（GECCO 2014），第113-120页。ACM（2014）
[30] 罗斯，P。；伯克，EK（编辑）；Kendall，G.（编辑），《超神经科学》，611-638（2014），柏林·doi:10.1007/978-1-4614-6940-7_20
[31] Sudholt，D.：模因进化算法中参数化的影响。定理。计算。科学。410(26), 2511-2528 (2009) ·Zbl 1172.68055号 ·doi:10.1016/j.tcs.2009.03.003
[32] Sudholt，D.：将进化算法与可变深度搜索相结合，以克服局部最优。《算法》59（3），343-368（2011）·Zbl 1211.90200号 ·doi:10.1007/s00453-009-9384-2
[33] Sudholt，D.：进化算法运行时间下限的新方法。IEEE传输。进化。计算。17(3), 418-435 (2013) ·doi:10.1109/TEVC.2012.2202241
[34] Sudholt，D.，Zarges，C.：顶点着色迭代局部搜索算法分析。摘自：《第21届国际算法与计算研讨会论文集》（ISAAC 2010），LNCS 6506，第340-352页。施普林格（2010）·Zbl 1310.68192号
[35] Timmis，J.、Hone，A.、Stibor，T.、Clark，E.：人工免疫系统的理论进展。定理。计算。科学。403(1), 11-32 (2008) ·Zbl 1155.68087号 ·doi:10.1016/j.tcs.2008.02.011
[36] Wegener，J.、Baresel，A.、Sthamer，H.：自动结构测试的进化测试环境。Inf.软件。Technol公司。43(14) 841-854 (2001) ·Zbl 1258.68183号
[37] Witt，C.：线性函数上随机搜索启发式算法的优化时间的紧界。梳子。普罗巴伯。计算。22(2), 294-318 (2013) ·Zbl 1258.68183号 ·doi:10.1017/S09635484831200600
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。