Выбор на основе вознаграждения

Отбор на основе вознаграждения - это метод, используемый в эволюционных алгоритмах для выбора потенциально полезных решений для рекомбинации. Вероятность быть выбранным для человека пропорциональна совокупному вознаграждению, полученному этим человеком. Накопленное вознаграждение можно рассчитать как сумму индивидуального вознаграждения и вознаграждения, унаследованного от родителей.

Описание [ править ]

Выбор на основе вознаграждения может использоваться в рамках многорукого бандита для многоцелевой оптимизации, чтобы получить лучшее приближение фронта Парето .^[1]

Новорожденный и его родители получают награду , если были выбраны для новой популяции , в противном случае награда равна нулю. Возможны несколько определений вознаграждения: ${\ Displaystyle а '^ {(г + 1)}}$ ${\ Displaystyle г ^ {(г)}}$ ${\ Displaystyle а '^ {(г + 1)}}$ ${\ Displaystyle Q ^ {(г + 1)}}$

1. , если новорожденная особь была выбрана в новую популяцию . ${\ Displaystyle г ^ {(г)} = 1}$ ${\ Displaystyle а '^ {(г + 1)}}$ ${\ Displaystyle Q ^ {(г + 1)}}$
2. , где - ранг вновь включенной особи в популяцию особей. Ранг можно вычислить с помощью хорошо известной процедуры сортировки без доминирования . ^[2] ${\ displaystyle r ^ {(g)} = 1 - {\ frac {rank (a '^ {(g + 1)})} {\ mu}} {\ mbox {if}} a' ^ {(g + 1)} \ in Q ^ {(g + 1)}}$ ${\ displaystyle rank (a '^ {(g + 1)})}$ ${\ displaystyle \ mu}$
3. , где - вклад индикатора гиперобъема индивида в популяцию . Вознаграждение, если вновь введенный человек улучшает качество популяции, которое измеряется как его гиперобъемный вклад в объективное пространство. $r^{(g)}=\sum _{a\in Q^{(g+1)}}\Delta {H}(a,Q^{(g+1)})-\sum _{a\in Q^{(g)}}\Delta {H}(a,Q^{(g)})$ $\Delta {H}(a,Q^{(g)})$ $a$ $Q^{(g)}$ $r^{(g)}>0$
4. Ослабление вышеуказанного вознаграждения, включая штрафы на основе ранга за очки за -й фронт Парето с преобладанием доминирующего положения: $k$ $r^{(g)}={\frac {1}{2^{k-1}}}\left(\sum _{ndom_{k}(Q^{(g+1)})}\Delta {H}(a,ndom_{k}(Q^{(g+1)}))-\sum _{ndom_{k}(Q^{(g)})}\Delta {H}(a,ndom_{k}(Q^{(g)}))\right)$

Отбор на основе вознаграждения может быстро определить наиболее плодотворные направления поиска за счет максимизации совокупного вознаграждения отдельных лиц.

См. Также [ править ]

Ссылки [ править ]

^ Лощилов, И .; М. Шенауэр; М. Себаг (2011). «Не все родители равны для MO-CMA-ES» (PDF) . Эволюционная многокритериальная оптимизация 2011 (EMO 2011) . Springer Verlag, LNCS 6576. С. 31–45. Архивировано из оригинального (PDF) 04.06.2012.
^ Деб, К .; Pratap, A .; Agarwal, S .; Меяриван, Т. (2002). «Быстрый и элитарный многоцелевой генетический алгоритм: NSGA-II». IEEE Transactions по эволюционным вычислениям . 6 (2): 182–197. CiteSeerX 10.1.1.17.7771 . DOI : 10.1109 / 4235.996017 .

[1] Лощилов, И .; М. Шенауэр; М. Себаг (2011). «Не все родители равны для MO-CMA-ES» (PDF) . Эволюционная многокритериальная оптимизация 2011 (EMO 2011) . Springer Verlag, LNCS 6576. С. 31–45. Архивировано из оригинального (PDF) 04.06.2012.

[2] Деб, К .; Pratap, A .; Agarwal, S .; Меяриван, Т. (2002). «Быстрый и элитарный многоцелевой генетический алгоритм: NSGA-II». IEEE Transactions по эволюционным вычислениям . 6 (2): 182–197. CiteSeerX 10.1.1.17.7771 . DOI : 10.1109 / 4235.996017 .

[1]