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 #1563
- 日期：2026-03-18
摘要
遺傳演算法 (GA) 代表了一類強大的搜尋和最佳化技術，其開發類似於遺傳定律和自然選擇。最佳解決方案可以根據某些適應性標準不斷發展，而內部機制則很大程度上保留為黑盒子。對於穩態遺傳演算法，旨在尋找一般遞歸關係的努力失敗了，從而模糊了先前與其他基於代際複製的首選遺傳演算法的比較。對於使用穩態複製的二元遺傳演算法，在三個試驗案例中以封閉形式找到了新的遞歸關係：（1）恆定的平均群體適應度； (2) 平均適應度的指數有界變化； (3)連續代之間平均適應度的跳躍大小恆定。在後一種情況下，發現世代 GA 是跳躍大小 $K=1$ 穩態的子集。一般來說，所得方程式提供了估計運行時間、問題規模和適應度之間的實際利益關係，並定義了一組引人注目的新參數，這些參數共同給出了一個框架，用於量化穩態遺傳演算法如何平衡其精英選擇與個體替代方案之間的多樣性和混合的需要。穩態分析的兩個特徵是作為平均群體適應度（或半衰期）的衰減相關時間以及大群體內適應度多樣性和資訊交換的類似熵的度量而得出的。