Genetic Engineering Algorithm (GEA): An Efficient Metaheuristic Algorithm for Solving Combinatorial Optimization Problems

要約

遺伝的アルゴリズム (GA) は、多様な解空間を探索し、さまざまな表現を処理し、並列性を活用し、優れた解を保持し、変化するダイナミクスに適応し、組み合わせの多様性を処理し、ヒューリスティック検索を提供する能力のおかげで、組み合わせ最適化問題を解決する効率が高いことで知られています。
。
ただし、早期の収束、問題固有の知識の欠如、交差演算子と突然変異演算子のランダム性などの制限により、一般に GA は最適解を見つけるのが非効率的になります。
これらの制限に対処するために、この論文では、遺伝子工学の概念からインスピレーションを得た、遺伝子工学アルゴリズム (GEA) と呼ばれる新しいメタヒューリスティック アルゴリズムを提案します。
GEA は従来の GA を再設計し、既存の遺伝子に基づいて新しい遺伝子を単離、精製、挿入、発現するための新しい検索方法を組み込み、目的の形質の出現と、選択された遺伝子に基づいた特定の染色体の生産につながります。
ベンチマーク インスタンスでの最先端のアルゴリズムとの比較評価では、GEA の優れたパフォーマンスが実証され、組み合わせ最適化問題に対する革新的かつ効率的なソリューションとしての可能性が示されています。

要約(オリジナル)

Genetic Algorithms (GAs) are known for their efficiency in solving combinatorial optimization problems, thanks to their ability to explore diverse solution spaces, handle various representations, exploit parallelism, preserve good solutions, adapt to changing dynamics, handle combinatorial diversity, and provide heuristic search. However, limitations such as premature convergence, lack of problem-specific knowledge, and randomness of crossover and mutation operators make GAs generally inefficient in finding an optimal solution. To address these limitations, this paper proposes a new metaheuristic algorithm called the Genetic Engineering Algorithm (GEA) that draws inspiration from genetic engineering concepts. GEA redesigns the traditional GA while incorporating new search methods to isolate, purify, insert, and express new genes based on existing ones, leading to the emergence of desired traits and the production of specific chromosomes based on the selected genes. Comparative evaluations against state-of-the-art algorithms on benchmark instances demonstrate the superior performance of GEA, showcasing its potential as an innovative and efficient solution for combinatorial optimization problems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google