本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：工作論文
- 編號：工作論文 #1155
- 日期：2026-03-18
摘要
適應度距離相關性 (FDC) 作為一種匯總統計數據提供，在預測全局優化遺傳演算法的性能方面取得了明顯的成功。在這裡，我們檢查了基於漢明距離的 FDC 的反例，以了解它揭示了 GA 的工作原理。反例是適合全域最佳化的「GA-easy」適應度函數，但它顯示適應度和距全局最優的漢明距離之間沒有關係。適應度是一個函數，隨著位元串上 0 和 1 之間切換的次數而下降。測試函數是“GA-easy”，因為僅使用單點交叉的 GA 可以透過搜尋空間中 10^{-3}$ 到 $10^{-9}$ 點的樣本找到全域最優值，效率隨著搜尋空間的大小而增加。這結果證實了這樣的懷疑：如果遺傳演算法表現的預測器是基於搜尋空間的任意屬性，而不是遺傳演算法的實際動態，那麼它們就很容易受到攻擊。然而，遺傳算子的測試函數的可解性可以透過另一個屬性（它的可進化性）準確預測，即遺傳算子產生比父母更健康的後代的機率。 FDC 也可以準確預測，它不使用漢明距離，而是使用交叉算子本身定義的距離測量。對基於漢明距離的 FDC 分析、基於交叉距離的 FDC 分析、進化性分析以及其他預測 GA 性能的方法進行了比較。