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 #1350
- 日期：2026-03-18
摘要
開發了一種適合考慮演化和其他搜尋演算法的新適應度景觀模型，並研究了其後果。回答“什麼是景觀？”、“景觀有用嗎？”和“是什麼讓景觀難以搜尋？”提供。此模型使得為採用多個算子的演算法建構景觀成為可能，包括作用於或產生多個個體的算子。它也結合了算子轉換機率。採用該模型的後果包括使用多個運算符進行搜尋的演算法的「一個運算符，一個景觀」視圖。對交叉景觀和爬山演算法的研究說明了交叉在遺傳演算法中發揮的雙重作用。這導致了對給定遺傳演算法交叉有效性的「無頭雞」測試，以及關於維持種群有效性的嚴重問題。提出了一種「反向爬山」演算法，可以確定景觀上吸引點盆地的細節。這些細節可用於直接比較一類登山演算法的成員，並準確預測特定登山者需要多長時間才能發現給定點。演化演算法與人工智慧和運籌學的啟發式搜尋演算法之間建立了連結。詳細研究了這個對應關係的一個面向：適應度函數和啟發式函數之間的關係。考慮適應度函數與啟發式函數的理想值的接近程度，可以獲得搜尋難度的量測。這種衡量標準（適應度距離相關性）是遺傳演算法解決遺傳演算法文獻中許多問題的問題難度的非常可靠的指標，儘管該衡量標準不包含遺傳演算法操作的知識。這引出了「是什麼讓遺傳演算法的問題變得困難（或容易）？」這個問題的一個答案。答案與三十多年來人工智慧領域眾所周知的答案完全一致。