[论文解读] The Evolutionary Computation Methods No One Should Use

Jakub Kůdela|arXiv (Cornell University)|Jan 5, 2023

Evolutionary Algorithms and Applications被引用 9

一句话总结

论文在90种进化计算方法中识别出47种存在中心偏置（零偏置）的问题，并论证该缺陷近年有所增加，挑战基准测试的有效性。

ABSTRACT

The center-bias (or zero-bias) operator has recently been identified as one of the problems plaguing the benchmarking of evolutionary computation methods. This operator lets the methods that utilize it easily optimize functions that have their respective optima in the center of the feasible set. In this paper, we describe a simple procedure that can be used to identify methods that incorporate a center-bias operator and use it to investigate 90 evolutionary computation methods that were published between 1987 and 2022. We show that more than half (47 out of the 90) of the considered methods have the center-bias problem. We also show that the center-bias is a relatively new phenomenon (with the first identified method being from 2012), but its inclusion has become extremely prevalent in the last few years. Lastly, we briefly discuss the possible root causes of this issue.

研究动机与目标

• 评估EC方法是否使用中心偏置算子，采用简单的检测程序。
• 基准测试90种EC方法（1987–2022）以量化中心偏置的普遍性。
• 突出中心偏置的历史出现与增长，并讨论根本原因。

提出的方法

• 采用与前人工作相同的中心偏置检测方法，以识别中心偏置算子的存在。
• 使用13个基准函数（维度30），固定评估预算（50,000次函数评估）并对每种方法进行20次重复。
• 在每个函数上计算未移位的性能，然后对每个函数应用固定的移位向量s（范围的10%）以创建移位问题。
• 对每种方法，计算每个函数的移位性能与未移位性能之比，并在函数之间求几何平均作为中心偏置指示（阈值>1e1）。
• 用示例方法（ABC、DE、LSHADE、SBO、RKO）说明该方法，展示移位/未移位情形下比值的变化。

Figure 1: Number of papers proposing methods with/without center-bias in time.

实验结果

研究问题

• RQ1 进化计算方法在以中心为中心的最优解上进行基准评测时，是否表现出中心偏置？
• RQ2 在广义的已发表EC方法中，中心偏置的普遍性如何？
• RQ3 近年来中心偏置的发生是否增加？
• RQ4 哪些作者或团体最与中心偏置方法相关？
• RQ5 对基准测试实践及所报告改进的有效性有何影响？

主要发现

• 分析的方法中超过一半（47/90）的方法显示出确认的中心偏置。
• 中心偏置现象相对较新（最初在2012年左右发现），但在过去五年迅速增长。
• 某些方法（如RKO）显示出极端的中心偏置值（几何平均值远高于阈值）。
• 中心偏置方法的显著集中源自一个核心群体（Mirjalili、Gandomi、Heidari），约贡献47种偏置中的20种。
• 若干“数学”过程导向的方法（AOA、GBO、RKO、SCA）显示出强烈的中心偏置特性，尽管在营销声明中予以否认。
• 首批中心偏置实例出现在TLO（2012）、WDO（2013）和GWO（2014），随后方法快速累积；一些带偏置的方法仍作为基线用于比较。