Haben Sie Schwierigkeiten mit der Parameterabstimmung genetischer Algorithmen? Dieses Papier befasst sich mit der Herausforderung, die Parameter genetischer Algorithmen für konsistente Kennzeichnungsprobleme zuverlässig festzulegen, und schlägt einen robusten empirischen Rahmen vor, der auf faktoriellen Experimenten basiert. Der Ansatz beginnt mit einem griechisch-lateinischen Quadrat, um eine breite Palette von Parametereinstellungen zu untersuchen. Es folgen vollständig gekreuzte faktorielle Experimente, die eine detaillierte Analyse durch logistische Regression ermöglichen. Ein robuster empirischer Rahmen ermöglicht eine erste Untersuchung einer breiten Palette von Parametereinstellungen. Die abgeleiteten empirischen Modelle können verwendet werden, um optimale Algorithmusparameter zu bestimmen und Aufschluss über Interaktionen zwischen Parametern und deren relative Bedeutung zu geben. Es wird gezeigt, dass verfeinerte Modelle unter Extrapolation robust sind und eine wertvolle Anleitung für das Algorithmusdesign und die Algorithmusanwendung bieten.
Diese in Evolutionary Computation veröffentlichte Arbeit steht im Einklang mit dem Fokus des Journals auf die Theorie und Anwendung evolutionärer Algorithmen. Durch die Bereitstellung eines empirischen Rahmens für die Parameterabstimmung trägt die Studie zur praktischen Weiterentwicklung genetischer Algorithmen bei der Lösung komplexer Probleme bei.