本文介绍了一种算子选择分解方法，用于分析自组织迁移算法（SOMA）和差分进化（DE）算法的提议几何。研究表明，标准的SOMA提议在搜索空间中是仿射的，在增强状态下是线性的，并提供了插值、投影和掩码的解释。对于DE/rand/1/bin，本文推导了有限种群矩，并表征了协方差和坐标依赖性。在BBOB基准测试上的实验表明，几何控制和旋转感知的SOMA变体优于标准的SOMA，并与已建立的DE方法具有竞争力。 AI
影响 为理解和设计基于种群的优化算法提供了新的分析工具。
排序理由 该集群包含一篇学术论文，详细介绍了群体和进化算法的新分析方法和实验结果。
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.29228v1 Announce Type: cross Abstract: Swarm and evolutionary algorithms are usually analyzed as complete procedural systems in which nonlinear selection, replacement, and adaptation obscure simpler structure within candidate generation. This paper introduces an operat…
Swarm and evolutionary algorithms are usually analyzed as complete procedural systems in which nonlinear selection, replacement, and adaptation obscure simpler structure within candidate generation. This paper introduces an operator--selection factorization that separates objecti…