抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
自己調整(1+(λ,λ))GAは,1Maxのように良好な適応距離相関を有する問題のための最良の既知の遺伝的アルゴリズムである。それは,突然変異強度と子孫の数を支配するパラメータλのパラメータ制御機構を使用する。しかし,マルチモーダル問題では,パラメータ制御機構はλを制御不能に増加させる傾向がある。標準的なJump_kベンチマーク問題クラスに対する厳密なランタイム解析を用いて,この問題と可能な解決策を研究した。元のアルゴリズムは,最大値λ=nが到達する時,(1+n)EAのように振舞う。これは大きなジャンプを必要とする問題に対して効果がない。より小さい値でのキャッピングλはそのような問題に有益である。最後に,λを1に再設定することにより,パラメータ空間を通してパラメータをサイクルできる。著者らは,この戦略がすべてのJump_k問題に対して効果的であることを示す:(1+(λ,λ))GAは,小さな多項式オーバヘッドとは別に,最適突然変異率および高速進化アルゴリズムを有する(1+1)EAと同様に実行した。この方法に沿って,(1+1)EAから自己調整(1+(λ,λ))GAへの既存のランタイム限界を変換できる,(1+(λ,λ))GAの実行時間を結合する新しい一般的方法を提示する。提案手法は使いやすく,新しいクラスの関数に対して上限を与える。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】