Генетические алгоритмы не пользуются большой популярностью в мире теории, но они представляют собой достаточно хорошо используемый метаэвристический метод (под метаэвристическим я подразумеваю технику, которая в целом применяется ко многим задачам, таким как отжиг, градиентный спуск и т. П.). Фактически, GA-подобный метод довольно эффективен для евклидовых TSP на практике.
Некоторые метаэвристики достаточно хорошо изучены теоретически: есть работа по локальному поиску и отжигу. У нас есть хорошее представление о том, как работает переменная оптимизация ( например, k-means ). Но, насколько я знаю, нет ничего действительно полезного о генетических алгоритмах.
Существует ли какая-либо солидная теория алгоритмизма / сложности о поведении генетических алгоритмов, в какой-либо форме, форме или форме? Хотя я слышал о таких вещах, как теория схем , я исключил это из обсуждения, основываясь на моем текущем понимании области, в которой он не особенно алгоритмичен (но я могу ошибаться здесь).
источник
Ответы:
Ю. Рабинович, А. Вигдерсон. Методы ограничения скорости сходимости генетических алгоритмов. Алгоритмы случайных структур, вып. 14, нет 2, 111-138, 1999. (Также доступно на домашней странице Ави Вигдерсона )
источник
Взгляните на работу Бенджамина Доерра из группы «Алгоритмы» Макса Планка (MPI). Все дело в попытках внести доказуемый вклад в эволюционные алгоритмы.
В частности, Doerr отредактировал недавнюю книгу « Теория рандомизированной эвристики поиска».
источник
Помимо работы по моделированию отжига, Инго Вегенер получил некоторые теоретические результаты по эволюционным алгоритмам. Тезис его аспирантом Дирк Sudholt также стоит посмотреть.
источник
Вы знаете эту статью:
Йенс Ягерскюппер. Объединение анализа цепей Маркова и анализа дрейфа: эволюционный алгоритм (1 + 1) для линейных функций: перезагрузка .
источник
За последнее десятилетие был достигнут значительный прогресс в динамическом анализе эволюционных алгоритмов, оптимизации колоний муравьев и другой метаэвристике. Для опроса, пожалуйста, обратитесь к Oliveto et al. (2007) .
источник
источник
Проверьте эти ссылки:
Лотар Шмитт, Теория генетических алгоритмов II: модели для генетических операторов по строково-тензорному представлению популяций и сходимости к глобальным оптимумам для произвольной функции пригодности при масштабировании
Шиу Инь Юн; Б. К. Чеунг, Оценки вероятности успеха классического генетического алгоритма на основе расстояния Хэмминга
Чанг Ти Дорея; Judinor A. Guerra Jr .; Рафаэль Моргадо; Андре Г.С. Перейра, Многоступенчатое марковское цепное моделирование генетического алгоритма и результаты сходимости
C. Домбри, взвешенная модель случайного блуждания. Приложение к генетическому алгоритму
источник
Существует также статья D. BHANDARI, CA MURTHY и SK PAL (к сожалению, недоступна онлайн), в которой дается доказательство сходимости при двух допущениях:
Для доказательства сходимости используется модель цепей Маркова.
Вот ссылка: Динабандху Бхандари, Калифорния Мурти: Генетический алгоритм с элитарной моделью и его конвергенция. IJPRAI 10 (6): 731-747 (1996)
источник
Математические модели генетических алгоритмов с конечными, но не унитарными популяциями громоздки и до сих пор оказались не поддающимися анализу для всех, кроме самых тривиальных фитнес-функций. Интересно, что если вы готовы принять аргумент симметрии , аргумент, другими словами, не представленный в рамках формальной аксиоматической системы, то вы получите захватывающий и красивый результат о вычислительной мощи генетических алгоритмов.
В частности, генетический алгоритм с равномерным пересечением способен оценивать огромное количество грубых разделов схемы неявно и параллельно, и может эффективно идентифицировать разделы, составляющие схемы которых имеют различные средние значения пригодности. Эта форма неявного параллелизма на самом деле более мощная, чем та, которая описана Джоном Холландом и его учениками, и в отличие от неявного параллелизма, описанного Холландом, может быть проверена экспериментально. (Смотрите этот пост в блоге.)
Следующая статья объясняет, как генетические алгоритмы с равномерным кроссовером объединяют неявный параллелизм в эвристику общего назначения, называемую гиперклимбированием :
Объяснение оптимизации в генетических алгоритмах с равномерным кроссовером . Появиться в трудах конференции «Основы генетических алгоритмов 2013».
(Отказ от ответственности: я автор статьи)
источник
Рафаэль Серф защитил кандидатскую диссертацию по генетическим алгоритмам в Монпелье под руководством Алена Берлине с математической точки зрения. Это довольно старый, но, вероятно, принадлежал бы любой библиографии о генетических алгоритмах.
источник