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$SEQOP$