【报告内容】

2022.8.26讨论课，时间：19:30，腾讯会议：981 3177 4321

汇报人：乔钰博

汇报单位：太原理工大学

主题：《A Hybrid Evolutionary Approach for Solving the Ontology Alignment Problem》

1、Introduction

2、Related Work

3、Memetic Algorithm

4、Experimental study

5、Conclusion

【报告总结】

1.相似度度量有很多种，为什么要用论文提到的三种相似度度量？

答：相似度度量有很多种，我们往往选取效果较好的，如果有特别有优势的度量方法，我们就不需要进行挑选了。

2.爬山算法中初始解怎么选取的？

答：初始解是GA用精英策略选取的种群中最佳个体，选取出来的都是每一代的最优解。

3.与随机相邻的解也是种群中的解吗？

答：不是种群中的解，它只更新精英解。

4.这样会不会容易陷入局部最优？

答：不会陷入局部最优，假设当前种群最优解A(可以认为是次优解),局部搜索的目的是随机的试探尝试把解A移动到当前谷域（最小化问题）的最低点，把A变成一个更优的解a。不管全局搜索的问题，只考虑把解移动到更优的位置，全局搜索由GA管。

5.如果局部搜索找不到最优解，就不能避免陷入局部最优解，也不能解决早熟收敛问题。

答：早熟收敛是种群多样性降低，跳出局部最优只能增加种群多样性，但是这篇论文提出的策略和早熟收敛没有关系，他是为了加快收敛速度。

6.为什么把迭代此次再次赋值为0，这样不就清0了吗？

答：瞎子爬山点他先点了10下找到了相对更高的，然后他迈出去。到了新的点以后他又点了20下找到一个更高的点，以此类推。

报告时间：2022年08月26日19:30

腾讯会议ID：981 3177 4321

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)