Parameter Control of Genetic Algorithms by Learning and Simulation of Bayesian Networks -- A Case Study for the Optimal Ordering of Tables
Concha, Bielza, Juan Juan, Fernndez, Del, Pozo, Pedro, Larranaga · Acta Scientiarum Naturalium Universitatis Sunyatseni · 2013
参数为进化算法设定仍然是在进化计算的一个重要问题。参数设定有二条主要途径：参数调节和参数控制。在这篇论文，我们基于贝叶斯的网络学习和模拟介绍一个基因算法的自我适应的参数控制。这个贝叶斯的网络的节点是要控制的基因算法参数。它的结构俘获概率有条件(在里面) 在参数之间的依赖关系。他们向最好的个人被学习，即，基因算法的最好的配置。个人们被为各自的参数配置运用基因算法评估。因为所有这些跑是费时间的任务，每个基因算法使用一张小型的人口并且以前被停止集中。这样有希望的个人不应该被失去。有为同时的排和列订的一个最佳的搜索问题的实验在计算时间产出象最先进的方法，但是与锋利的减小的一样的 optima。而且，我们的途径能应付迄今为止未解决的高度维的问题。