A multi-parent polynomial sampling framework for steady-state real-coded genetic algorithms

M. M. Raghuwanshi

doi:10.1016/j.swevo.2026.102419

A multi-parent polynomial sampling framework for steady-state real-coded genetic algorithms

2026-05-24

0

PRE

AI

M

M. M. Raghuwanshi *

P

Purushottam D. Shobhane

DOI：10.1016/j.swevo.2026.102419

原文链接

原文求助

摘要

En 中文

本研究提出了一种多亲代稳态实数编码遗传算法（MP-SS-RCGA）框架，以解决连续优化中探索与开发平衡的基本挑战。本研究引入了两种新型重组算子：多亲代多项式中心点交叉（MPCX），通过基于质心的采样促进多样性；以及多亲代多项式亲代中心交叉（MPPX），通过围绕精英亲代的采样增强开发。两种算子均利用亲代间离散度来诱导隐式、自适应性步长机制，无需外部参数控制。我们在一系列单峰和多峰基准函数上进行了全面实验评估，包括高达500维的可扩展性分析。为确保证严格的基准测试并消除坐标轴偏差，该框架进一步在包含平移和旋转景观的CEC-2017和CEC-2021竞赛套件上进行了评估。经验结果表明，MPPX在各类问题中实现了更优的收敛精度、更低的方差和强鲁棒性，同时保持对算法参数的低敏感性。与经典（SBX、PCX）和近期交叉算子（PSOX、LogX）的比较分析证实，观察到的性能提升源于所提出的基于几何的采样机制及基于离散度的隐式步长自适应。非参数检验的统计分析进一步验证了这些改进的显著性。此外，在约束工程设计问题上的验证展示了其实际适用性和稳定性。研究结果强调了子代参考几何在控制搜索动态中的关键作用，并确立了多亲代多项式采样作为一种可扩展、旋转不变且计算高效的重组策略，适用于复杂的连续优化。

Keyword:

Multi-Parent Polynomial Sampling

Steady-State Genetic Algorithm

Continuous Optimization

Exploration-Exploitation Balance

Crossover Operators

A multi-parent polynomial sampling framework for steady-state real-coded genetic algorithms

摘要

期刊

机构

引用论文