GECCO 21 Parallel GA KNP
1.0.0
决定使用哪种优化技术来解决特定的优化问题是优化领域几十年来面临的一项重要而艰巨的任务。上述问题称为算法选择问题(ASP)。许多研究人员尝试解决 ASP 的各种问题。先前的工作中考虑的优化技术主要是可以快速执行的优化技术。然而,考虑更复杂的优化方法来解决 ASP,例如进化算法,会大大增加所涉及的计算成本。我们感兴趣的是通过考虑应用于著名的 NP 难 0/1 背包问题 (KNP) 的遗传算法 (GA) 的不同配置来解决 ASP。上述涉及执行所述 GA 的大量配置,以便评估其性能,当应用于具有不同 KNP 特征的广泛实例时,这是一项计算成本高昂的任务。因此,当前工作的主要目的是提供一种高效的并行遗传算法,作为解决ASP的第一步,它能够在短时间内获得最优目标值方面的有竞争力的结果。计算结果表明,我们的方法能够有效地扩展,并大大减少求解 KNP 实例的平均花费时间。