Adaptive Operator Selection for Iterated Local Search
Adaptive Operator Selection for Iterated Local Search
复制标题
迭代局部搜索的自适应算子选择
DOI：
--
复制
发表时间：
2009
期刊：
影响因子：
--
通讯作者：
D. Thierens
中科院分区：
文献类型：
--
作者：
D. Thierens
迭代局部搜索是一个简单而强大的元启发式算法。唯一的缺点是它对唯一的参数：扰动步长非常敏感。自适应算子选择方法是调整将搜索算子应用于当前解的概率的在线自适应算法。在这个简短的说明中，我们展示了使用自适应追踪算法来自动选择ILS的扰动步长时，优化一个盲目的，单约束背包问题。由此产生的自适应ILS实现几乎相同的性能与ILS的最佳扰动步长，但不需要确定最佳的参数设置。
Iterated local search is a simple yet powerful metaheuristic. It is only drawback is that it is quite sensitive to its only parameter: the perturbation step size. Adaptive operator selection methods are on-line adaptive algorithms that adjust the probability of applying the search operators to the current solutions. In this short note, we show the use of the adaptive pursuit algorithm to automatically select the perturbation step size for ILS when optimizing a blind, single-constraint knapsack problem. The resulting adaptive ILS achieves almost the same performance as the ILS with the best perturbation step size but without the need to determine the optimal parameter setting.