【报告内容】

2024.5.31讨论课，时间：19:30，腾讯会议：37138686615

汇报人：苏童

汇报单位：福建理工大学

主题：《Genetic Algorithm Optimization with Selection Operator Decider》 1、Introduction

2、Method

3、Experiments

4、Conclusion

【报告总结】

1.待解决的问题描述

（1）传统的遗传算法（GA）在所有迭代中使用预先确定的、固定不变的选择算子，这可能导致算法在搜索过程中的某些阶段不够灵活或效率不高。

（2）GA的性能在很大程度上依赖于选择、交叉和变异算子，特别是选择算子，它们对算法的收敛速度和解的质量有显著影响。

（3）尽管可以通过调整选择算子的超参数来优化其性能，但这并不能完全消除特定选择算子的所有缺点。

2.相关创新方案

（1）提供了一种新的遗传算法方法，该方法通过优化选择算子来提高算法性能。

（2）通过TOPSIS集成到GA中，实现了自决策选择算子。

（3）构造了新的DDM（动态决策矩阵），用于监视迭代过程。

3.实验总结

本研究引入了SODGA，SODGA能够动态决定在迭代过程中使用哪种选择算子来优化GA的性能。SODGA中使用了四种最知名的选择算子，并对文献中的CVRP基准进行了性能测试。因此，即使在每次迭代中运行TOPSIS, SODGA在减少时间和迭代的同时也获得了更好的结果。在大多数情况下，SODGA能达到最小总距离。对于数据集的其余部分，SODGA表现出相当大的时间和迭代优化能力，与目标值只有轻微的妥协。实验结果表明，无论在标准测试cvrp还是复杂优化问题上，所提出的动态SODGA都优于传统的固定算子GAs。

4.未来工作

在未来的研究中，该方法可以应用于其他不同编码的问题。由于选择算子独立于编码，因此可以很容易地调整对各种问题的适应。另一方面，该技术的逻辑可以考虑用于其他遗传算子。此外，文献中有许多元启发式方法是受自然模式的启发。SODGA优化遗传算法的逻辑可以适用于其他元启发式算法进行进一步的研究。

报告时间：2024年05月31日19:30

腾讯会议：371 3868 6615

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)