On inversely proportional hypermutations with mutation potential
On inversely proportional hypermutations with mutation potential
复制标题
关于具有突变潜力的反比例超突变
DOI：
10.1145/3321707.3321780
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Corus D
中科院分区：
文献类型：
--
作者：
Corus D
人工免疫系统（AIS）采用超突变与线性静态突变潜力最近已被证明是非常有效的逃避局部最优的组合优化问题的代价是在开发阶段相比，标准的进化算法较慢。在本文中，我们证明了相当大的速度在开发阶段可以实现与动态成反比的突变潜力（IPM），并认为潜在的应减少成反比的距离，而不是在健身的差异。之后，我们定义了一个简单的（1+1）Opt-IA，使用IPM超突变和老化的最佳解决方案是未知的实际应用。该AIS的目的是随着搜索空间的探索，越来越好地近似反比超变的理想行为。我们证明，这种所需的行为和相关的加速发生一个良好的研究双峰基准函数称为TwoMax。此外，我们证明了（1+1）Opt-IA与IPM有效地优化了第二个多峰函数，悬崖，通过逃避其局部最优值，而Opt-IA与静态突变潜力不能，因此需要指数预期运行时间在局部和全局最优值之间的距离。
Artificial Immune Systems (AIS) employing hypermutations with linear static mutation potential have recently been shown to be very effective at escaping local optima of combinatorial optimisation problems at the expense of being slower during the exploitation phase compared to standard evolutionary algorithms. In this paper, we prove that considerable speed-ups in the exploitation phase may be achieved with dynamic inversely proportional mutation potentials (IPM) and argue that the potential should decrease inversely to the distance to the optimum rather than to the difference in fitness. Afterwards, we define a simple (1+1) Opt-IA that uses IPM hypermutations and ageing for realistic applications where optimal solutions are unknown. The aim of this AIS is to approximate the ideal behaviour of the inversely proportional hypermutations better and better as the search space is explored. We prove that such desired behaviour and related speed-ups occur for a well-studied bimodal benchmark function called TwoMax. Furthermore, we prove that the (1+1) Opt-IA with IPM efficiently optimises a second multimodal function, Cliff, by escaping its local optima while Opt-IA with static mutation potential cannot, thus requires exponential expected runtime in the distance between the local and global optima.
登录
查看更多内容
人工免疫系统的变异：具有突变潜力的超突变
DOI：
--
发表时间：
2011
期刊：
International Conference on Artificial Immune Systems
影响因子：
--
作者：
T. Jansen;C. Zarges
通讯作者：
C. Zarges
DOI：
10.1016/j.tcs.2015.01.002
发表时间：
2015-11
期刊：
Theor. Comput. Sci.
影响因子：
--
作者：
P. S. Oliveto;C. Witt
通讯作者：
P. S. Oliveto;C. Witt
进化算法中种群多样性的好处：严格运行时分析的调查
DOI：
10.1007/978-3-030-29414-4_8
发表时间：
2018
期刊：
Theor. Comput. Sci.
影响因子：
--
作者：
Dirk Sudholt
通讯作者：
Dirk Sudholt
NASICON型离子导体热膨胀模型II
DOI：
--
发表时间：
2020
期刊：
影响因子：
--
作者：
行武太郎;安仁屋勝
通讯作者：
安仁屋勝
opt-IA人工免疫系统的运行时分析
DOI：
10.1145/3071178.3079194
发表时间：
2017
期刊：
--
影响因子：
--
作者：
Corus D
通讯作者：
Corus D