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 #1637
- 日期：2026-03-18
摘要
適應度景觀是透過基本元胞自動機 (CA) 的 20 次迭代創建表型來構建的，其中基因型確定 CA 的初始狀態，並在迭代到確定適應度的指定目標字串後 CA 的按位一致性。景觀根據生成景觀的 CA 規則的規則類別（Li-Packard 分類）以及景觀本身的幾個全域度量進行分類。遺傳演算法（GA）模擬了對這些景觀的適應。由 3 類（局部混沌）CA 規則產生的景觀具有非常罕見的局部最優，並且很容易讓 GA 適應。這表明有界混沌（其中基因型的微小變化會產生表型或適應度函數的實質但包含的變化）是 GA 表示的特徵，可以提高搜尋效率。 4 類（混沌）規則對於所有 GA 來說是最困難的，對於使用交叉和變異的 GA 來說比僅使用變異的 GA 更困難。低相關長度（全局測量）的景觀是最困難的，而高度不相關的景觀對於交叉 GA 來說比僅突變 GA 更困難。這些結果表明，交叉通常會降低 GA 在低相關性和混沌適應度函數上的表現。到達山頂的平均爬山步行長度與 GA 表現密切相關：幾乎所有困難的景觀都是平均步行長度接近 1 的景觀。