8、采样游走、语义交叉与程序合成：优化搜索的新视角

采样游走、语义交叉与程序合成：优化搜索的新视角

在解决复杂问题时，搜索算法的效率和效果至关重要。本文将探讨两种不同但相关的研究方向：采样游走在二进制适应度景观探索中的应用，以及基于语义的交叉在程序合成中的尝试。

采样游走与二进制适应度景观探索

在搜索算法领域，部分邻域局部搜索是一种常见的方法，其中采样游走算法尤为引人注目。它可以看作是 (1, λ)-ES 的局部搜索变体，在处理常见的二进制景观时表现出了较高的效率。

景观特征分析

• NK 景观 ：通过对 NK 景观的研究发现，自相关和 k-粗糙度的演变表明，这类景观具有均匀的粗糙度分布。这意味着在 NK 景观中，搜索过程可以相对稳定地进行，因为景观的局部和全局特征较为一致。
• UBQP 景观 ：与 NK 景观不同，UBQP 景观的粗糙度分布不太均匀，呈现出局部粗糙而全局平滑的特点。这种特性使得较小的 UBQP 实例在应用一定的多样化策略后，通过局部搜索更容易解决。

算法效率分析

• 部分邻域局部搜索 ：在 UBQP 景观中，部分邻域局部搜索方法效率较低。这是因为该方法倾向于探索整个景观中分散的解决方案，而没有聚焦于有前景的区域。
• 禁忌搜索 ：禁忌搜索则自然地会在有前景的区域进行强化搜索，因此在 UBQP 景观中表现更好。
• 采样游走 ：当适应度 - 距离的去相关性较快时，采样游走更适合有效地