Können evolutionäre Programme sich effizient anpassen, um Optimierungsprobleme zu lösen? Diese Arbeit analysiert die Konvergenzeigenschaften von evolutionären Programmen mit einem spezifischen Fokus auf die Selbstanpassung von Strategieparametern. Formale Beweise für das langfristige Verhalten, das durch unsere Selbstanpassungsmethode erzeugt wird, sind enthalten. Sowohl elitäre als auch nicht-elitäre ES-Varianten werden analysiert. Evolutionäre Programme sind in der Lage, gute Lösungen für schwierige Optimierungsprobleme zu finden. Frühere Analysen ihrer Konvergenzeigenschaften haben normalerweise angenommen, dass die Strategieparameter konstant gehalten werden, obwohl diese Parameter in der Praxis dynamisch verändert werden. In dieser Arbeit schlagen wir eine modifizierte Version der 1/5-Erfolgsregel für die Selbstanpassung in Evolutionsstrategien (ES) vor. Die Arbeit bietet eine modifizierte Version der 1/5-Erfolgsregel für die Selbstanpassung in Evolutionsstrategien. Dies beinhaltet formale Beweise für das langfristige Verhalten, das durch die Selbstanpassungsmethode für sowohl elitäre als auch nicht-elitäre ES-Varianten erzeugt wird. Vorläufige Tests zeigen, dass ein ES mit unserer modifizierten Selbstanpassungsmethode sowohl mit einem nicht-angepassten ES als auch mit einem 1/5-Erfolgsregel-angepassten ES vergleichbar ist. Dies deutet darauf hin, dass die vorgeschlagene Selbstanpassungsmethode die Leistung von evolutionären Programmen verbessert und einen robusteren Ansatz zur Optimierung bietet. Daher sind formale Beweise für das langfristige Verhalten, das durch unsere Selbstanpassungsmethode erzeugt wird, enthalten.
Veröffentlicht in Evolutionary Computation, stimmt diese Arbeit mit dem Fokus des Journals auf computergestützte Methoden überein, die von der natürlichen Evolution inspiriert sind. Sie analysiert die Konvergenzeigenschaften von evolutionären Programmen mit Selbstanpassung und passt in den Rahmen des Journals, um das Wissen in den Bereichen evolutionäre Berechnung und Optimierungstechniken zu erweitern.