Nuovo Framework Algoritmico Evolutivo OKAEM Unifica Trasferimento della Conoscenza e Adattamento
Un nuovo framework evolutivo chiamato Optimization Knowledge Adaptation Evolutionary Model (OKAEM) è stato introdotto per affrontare le limitazioni nella ricerca attuale sugli algoritmi evolutivi. A differenza degli approcci esistenti che trattano separatamente il trasferimento della conoscenza e l'adattamento online, OKAEM fornisce un framework apprendibile unificato in grado di gestire entrambe le capacità simultaneamente. Il modello parametrizza gli operatori evolutivi utilizzando meccanismi di attenzione, consentendo aggiornamenti adattivi basati sulla conoscenza di ottimizzazione disponibile. Questo approccio mira a superare l'utilizzo incompleto della conoscenza precedente osservato nell'ottimizzazione del trasferimento sequenziale evolutivo, superando anche le strategie adattive limitate alla personalizzazione di operatori specifici. Incapsulando la conoscenza di ottimizzazione dalle popolazioni storiche e dalle valutazioni di fitness durante i processi di ricerca iterativi, OKAEM facilita un trasferimento della conoscenza e un adattamento più efficaci. Il framework corrisponde alla preprint arXiv 2501.02200v2, annunciata come sostituzione cross submission.
Fatti principali
- L'Optimization Knowledge Adaptation Evolutionary Model (OKAEM) è un framework evolutivo apprendibile unificato
- OKAEM consente capacità simultanee di trasferimento della conoscenza e adattamento online
- Gli operatori evolutivi sono parametrizzati tramite meccanismi di attenzione nel modello
- L'ottimizzazione del trasferimento sequenziale evolutivo attuale spesso soffre di un utilizzo incompleto della conoscenza precedente
- Le strategie adattive che utilizzano conoscenza in tempo reale sono limitate alla personalizzazione di operatori evolutivi specifici
- Il processo di ricerca iterativo degli algoritmi evolutivi incapsula la conoscenza di ottimizzazione nelle popolazioni storiche e nelle valutazioni di fitness
- L'utilizzo efficace della conoscenza di ottimizzazione è cruciale per facilitare il trasferimento della conoscenza e l'adattamento online
- La ricerca è documentata nella preprint arXiv 2501.02200v2 annunciata come replace-cross
Entità
Istituzioni
- arXiv