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。
修復演算子は制約付き組合せ最適化における制約処理にしばしば用いられる。グラフ問題において確率的に実行不可能な子孫を確率的に修復するために使用できる,調整されたジャンプおよび修復操作を備えた(1+1) ̄EAを研究した。全体のグラフに対する候補解を進化させる代わりに,著者らは,(1+1) ̄EAが,実例(誘導部分グラフ)の成長する部分集合と共に,並列に実行可能な解法を開発するように,遺伝子型を拡大した。このアプローチにより,EAは古典的固定パラメータアルゴリズムで用いられる反復圧縮プロセスを確率的にシミュレートでき,3つのNP-ハードグラフ問題に関するランダム化FPT性能保証を得ることを証明した。k-VertexCoverでは,集束ジャンプおよび修理を用いた(1+1)EAが,期待値におけるO(2 ̄kn ̄2logn)反復においてk-頂点カバー(もし1つが存在する)を見つけることができることを証明した。これは,VertexCover上の進化アルゴリズムに対して,既知のパラメータ化限界よりも指数的(k)改善をもたらす。トーナメントにおけるk-フィードバックVertexSet問題に対して,EAは期待値におけるO(2 ̄k_k≦n ̄2log_n)反復において実現可能なフィードバックセットを見出し,OddCycle Transversalに対しては,EAに対する最適化時間はO(3 ̄k k m ̄n ̄2logn)であることを証明した。後者の2つの問題に対して,これは任意の進化的アルゴリズムに対する最初のパラメータ化結果を構成する。誘導部分グラフの下で閉じた他のパラメータ化グラフ問題に対するフレームワークを一般化する方法を議論し,具体的インスタンスクラス上のアルゴリズムの挙動を説明する実験結果を報告した。【JST・京大機械翻訳】