.png){kind=icon}
返回
Tensor network estimation of distribution algorithms
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2026.133255.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
张量网络是一种最初在多体量子物理背景下使用的工具，现已在计算科学领域具有广泛的应用，从数值方法到机器学习。近期文献中已出现将张量网络整合到进化优化算法中的方法。本质上，这些方法可以理解为用基于张量网络的生成模型替换遗传算法的传统交叉操作。我们从这些方法属于分布估计算法（EDAs）的角度进行研究。我们发现，这些方法的优化性能与生成模型的能力并非简单相关。生成模型越好（在能够更好地模拟其训练数据来源分布的意义上），其构成的优化算法的性能并不一定更好。这引出了如何最佳地将强大的生成模型融入优化流程的问题。鉴于此，我们发现向生成模型的输出添加显式的变异算子通常能提高优化性能。
Keyword:
Tensor networks
Estimation of Distribution Algorithms
Evolutionary optimization
Generative models
Mutation operator
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
暂无机构信息
引用论文
Symmetric tensor networks for generative modeling and constrained combinatorial optimization用于生成建模和约束组合优化的对称张量网络
OAAI
OAAI分享收藏Mathematical discoveries from program search with large language models使用大型语言模型进行程序搜索的数学发现.png)
Nature
OAAI
NatureIF0
OAAI分享收藏Cons-training tensor networks: Embedding and optimization over discrete linear constraints约束张量网络：离散线性约束的嵌入与优化
PREAI
分享收藏The effectiveness of mutation operation in the case of Estimation of Distribution AlgorithmsBiosystems
BiosystemsIF0
PREAI
分享收藏A Phase Angle-Modulated Bat Algorithm with Application to Antenna Topology Optimization一种基于相位角调制的蝙蝠算法及其在天线拓扑优化中的应用OAAI
OAAI分享收藏
查看更多内容