.png){kind=icon}
返回
Runtime analysis of adaptive selection variation operators in evolutionary algorithm with reinforcement learning
.png){kind=icon}
PRE
AI
DOI：10.1007/s10489-025-06687-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
变异算子对进化算法（EAs）的性能具有显著影响，因为它们决定了EAs在进化过程中构建新解的方式。然而，为各类优化问题寻找高效的变异算子是进化计算领域的一项极具挑战性的任务。本文提出了一种基于强化学习的自适应变异算子进化算法。具体而言，所提出的EA在每个代中通过Q-learning方法从一组简单算子中自适应地选择变异算子，以生成子代个体。通过对一组伪布尔函数的理论分析表明，所提算法的期望运行时间优于或等同于广泛研究的$$(1+1)\;\textrm{EA}$$。这些结果表明所提方法在解决实际应用中的复杂问题方面具有潜力。此外，本文定义了一个新的伪布尔函数，称为奇异点问题，该问题被证明对传统EAs中的若干经典变异算子构成较大挑战，并可作为未来研究EAs理论分析的基准函数。
Keyword:
Evolutionary algorithm
Reinforcement learning
Theoretical analysis
期刊
IF:
3.5
论文数:
7.6K
被引数:
1.7W
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容