GECCO 21 Parallel GA KNP
1.0.0
決定使用哪種最佳化技術來解決特定的最佳化問題是優化領域幾十年來面臨的一項重要而艱鉅的任務。上述問題稱為演算法選擇問題(ASP)。許多研究人員嘗試解決 ASP 的各種問題。先前的工作中考慮的最佳化技術主要是可以快速執行的最佳化技術。然而,考慮更複雜的最佳化方法來解決 ASP,例如演化演算法,會大幅增加所涉及的計算成本。我們感興趣的是透過考慮應用於著名的 NP 難 0/1 背包問題 (KNP) 的遺傳演算法 (GA) 的不同配置來解決 ASP。上述涉及執行所述 GA 的大量配置,以便評估其性能,當應用於具有不同 KNP 特徵的廣泛實例時,這是一項計算成本高昂的任務。因此,目前工作的主要目的是提供一種高效的平行遺傳演算法,作為解決ASP的第一步,它能夠在短時間內獲得最優目標值方面的有競爭力的結果。計算結果表明,我們的方法能夠有效地擴展,並大大減少求解 KNP 實例的平均花費時間。