[论文解读] Centric selection: a way to tune the exploration/exploitation trade-off

David Simoncini, Sebástien Vérel+2 more|arXiv (Cornell University)|Jul 21, 2011

Advanced Manufacturing and Logistics Optimization参考文献 21被引用 7

一句话总结

本文提出中心选择（centric selection），一种在细胞遗传算法中可调节的选择算子，通过单一参数 β 控制选择压力，实现探索与开发之间的动态平衡。利用点断平衡模型（PEM），作者证明了在搜索过程中最优选择压力会演变——初期选择较低的 β 以促进探索，随后增加至较高的 β 以实现开发——在 QAP 和 NK-Landscape 问题上均取得更优性能。

ABSTRACT

In this paper, we study the exploration / exploitation trade-off in cellular genetic algorithms. We define a new selection scheme, the centric selection, which is tunable and allows controlling the selective pressure with a single parameter. The equilibrium model is used to study the influence of the centric selection on the selective pressure and a new model which takes into account problem dependent statistics and selective pressure in order to deal with the exploration / exploitation trade-off is proposed: the punctuated equilibria model. Performances on the quadratic assignment problem and NK-Landscapes put in evidence an optimal exploration / exploitation trade-off on both of the classes of problems. The punctuated equilibria model is used to explain these results.

研究动机与目标

• 解决在多峰问题中细胞遗传算法（cEAs）探索与开发平衡的挑战，防止早熟收敛。
• 开发一种选择机制，通过单一可调参数实现选择压力的连续、细粒度控制。
• 提出一种新理论模型——点断平衡模型（PEM），以解释优化过程中随机变异与解质量提升的动态。
• 通过动态选择压力需求的视角，解释在 QAP 和 NK-Landscape 问题上的实验性能结果。
• 通过提供一种框架以在搜索过程中在线预测和调整选择压力，为未来自适应算法的实现奠定基础。

提出的方法

• 提出中心选择：一种基于锦标赛的选择机制，其中邻域中中心单元被选中的概率由参数 β 控制。
• 使用接管时间与增长曲线分析，在仅存在选择操作时测量基础选择压力。
• 开发点断平衡模型（PEM），用于估计不同交配类型下的解质量提升概率（P_ij），并整合来自变异与交叉的随机波动。
• 通过 500 次运行的贝叶斯推断估算 P_ij，标准差极低（约 10⁻⁶），从而实现对选择压力的可靠动态评估。
• 对每个问题仅计算一次 Σ_ij（总提升概率），与搜索进度无关，以降低计算成本。
• 利用 PEM 在每代预测最优 β 值，通过最大化期望提升概率 P 实现，以适应问题动态的变化。

实验结果

研究问题

• RQ1 如何实现细胞遗传算法中选择压力的连续且有效调节，以平衡探索与开发？
• RQ2 在复杂多峰问题的优化过程中，理想选择压力的动态演化过程是怎样的？
• RQ3 一种能解释随机变异与解质量提升的理论模型，是否可以说明不同问题类别间观察到的性能差异？
• RQ4 选择参数 β 的最优值在整个运行过程中是否保持不变，还是随搜索进度而变化？
• RQ5 点断平衡模型（PEM）是否能够预测搜索各阶段的最优选择压力设置？

主要发现

• 中心选择实现了对选择压力的连续、单参数控制，使细胞化 EAs 中的探索与开发可被精确调节。
• 在 QAP 实例中，最优 β 值从 0.2 开始，在约 150 代内逐渐增加至 1，表明从探索向开发的转变。
• 在 NK-Landscapes（N=32，K=10）中，最优 β 值在早期代数迅速增至 1，表明初期对低选择压力有强烈偏好。
• 点断平衡模型（PEM）成功解释了性能差异，表明理想选择压力随时间演化，而非保持恒定。
• 对于 QAP 实例，中间 β 值（0.8–0.9）在平均性能上表现最佳，尽管模型表明初期更偏好较低的 β。
• 由于 P_ij 的贝叶斯估计具有极低方差，PEM 的计算成本较低，从而可实现对最优 β 的可靠实时预测。