2025IJCAI-Speeding Up Hyper-Heuristics With Markov-Chain Operator Selection and the Only-Worsening

文章总结与翻译

一、主要内容

该研究聚焦于改进移动接受超启发式算法(MAHH),针对其在局部最优解逃离效率不足的问题,提出两项关键优化,并通过理论分析验证其在多种基准函数上的性能提升:

  1. 算法优化方向
    • 用两状态马尔可夫链替代随机混合策略选择接受算子(仅改进算子OI/全移动算子AM/仅恶化算子OW),解决了随机选择中连续使用非精英算子概率低的问题,延长算子使用相位。
    • 提出全新的“仅恶化接受算子(OW)”,仅接受比父代差的解,通过主动搜索劣质解辅助逃离局部最优解,打破增量优化的常规逻辑。
  2. 基准函数与性能
    • 定义新基准类 S E Q O P T k SEQOPT_k SEQOP
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值