研究人员引入了一种名为叶片脱落优化（LAO）的新优化技术，该技术将基于阈值的选择形式化为一种评估门控架构。该方法涉及在变异之前测试现有解，并且仅在上下文压力超过内在强度时才生成替代解。一个实例化版本LAO-Core在CEC 2017基准套件上，在10、30和50维下，在有限的评估预算下，在九种优化器中取得了第三好的平均Friedman排名。进一步的分析表明，虽然漂移是有害的，但其他辅助层并未显示出稳健的独立优势，并且多样性调制影响了后期运行行为，但未影响所测试预算下的最终误差。 AI
影响 这项研究引入了一种新颖的优化方法，有可能提高AI中连续优化任务的效率。
排序理由 该集群包含一篇详细介绍新优化技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
