Adaptive population models for offspring populations and parallel evolutionary algorithms
Adaptive population models for offspring populations and parallel evolutionary algorithms
复制标题
后代种群的自适应种群模型和并行进化算法
DOI：
--
复制
发表时间：
2011
期刊：
影响因子：
--
通讯作者：
Dirk Sudholt
中科院分区：
文献类型：
--
作者：
Jörg Lässig;Dirk Sudholt
我们提出了两个自适应方案，动态选择并行进化算法的并行实例的数量。这包括作为特殊情况的（1+λ）EA中后代群体大小的选择。我们的计划是无参数的，他们的工作在一个黑盒设置没有知识的问题。这两种方案都将实例数量加倍，以防一代结束时没有发现改进。在成功的生成中，第一个方案将系统重置为一个实例，而第二个方案将实例数量减半。这两种方案都提供了接近最佳的并行时间方面的加速。我们给出了渐近序列时间的上界（即，函数评估的总数），其不大于由适应度水平方法导出的相应非并行算法的上界。
We present two adaptive schemes for dynamically choosing the number of parallel instances in parallel evolutionary algorithms. This includes the choice of the offspring population size in a (1+λ) EA as a special case. Our schemes are parameterless and they work in a black-box setting where no knowledge on the problem is available. Both schemes double the number of instances in case a generation ends without finding an improvement. In a successful generation, the first scheme resets the system to one instance, while the second scheme halves the number of instances. Both schemes provide near-optimal speed-ups in terms of the parallel time. We give upper bounds for the asymptotic sequential time (i.e., the total number of function evaluations) that are not larger than upper bounds for a corresponding non-parallel algorithm derived by the fitness-level method.