.png){kind=icon}
返回
ENHANCING DIFFUSION EVOLUTION WITH SELECTION MECHANISMS
.png){kind=icon}
PRE
AI
DOI：10.24507/ijicic.22.02.445.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，扩散进化作为一种新兴的优化算法已崭露头角，它启发式地模拟反向扩散过程，并与演化计算在关键方面具有相似性。该算法通过反转受扩散模型启发的随机噪声注入，逐步优化候选解群体。然而，原始的扩散进化缺乏显式的选择机制，而这些机制对于引导搜索方向和维持群体多样性至关重要。本研究将三种经典选择机制——一对一替换、锦标赛选择和生存选择——整合到扩散进化框架中。在标准测试函数上的实验表明，每种策略具有独特优势：一对一替换能保持多样性并缓解多峰景观中的早熟收敛；锦标赛选择在单峰问题上表现出快速收敛；生存选择则在收敛速度和多样性保持之间取得平衡。特别是在30维Sphere函数上，锦标赛变体相比标准扩散进化在最终适应度上实现了四个数量级的提升，显示出显著更快的收敛速度。这些发现表明，整合选择机制可显著增强扩散进化的性能，且策略选择应与问题景观的模态相匹配。
Keyword:
Diffusion Evolution
Evolutionary computation
Selection mechanism
Exp-loration-exploitation balance
期刊
I
IF:
1.1
论文数:
79
被引数:
1.2K
机构
暂无机构信息
引用论文
暂无论文信息