Выбор на основе вознаграждения - Reward-based selection

Выбор на основе вознаграждения это техника, используемая в эволюционные алгоритмы для выбора потенциально полезных решений для рекомбинации. Вероятность быть выбранным для человека пропорциональна совокупному вознаграждению, полученному этим человеком. Накопленное вознаграждение можно вычислить как сумму индивидуального вознаграждения и вознаграждения, унаследованного от родителей.

Описание

Отбор на основе вознаграждения можно использовать в Многорукий бандит рамки для Многоцелевая оптимизация чтобы получить лучшее приближение Фронт Парето.^[1]

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

• 1. ${ Displaystyle г ^ {(г)} = 1}$, если новорожденная особь ${ Displaystyle а '^ {(г + 1)}}$ был выбран для новой популяции ${ Displaystyle Q ^ {(г + 1)}}$.
• 2. ${ displaystyle r ^ {(g)} = 1 - { frac {rank (a '^ {(g + 1)})} { mu}} { mbox {if}} a' ^ {(g + 1)} in Q ^ {(g + 1)}}$, куда ${ displaystyle rank (a '^ {(g + 1)})}$ ранг вновь включенного человека в популяцию ${ displaystyle mu}$ лиц. Ранг можно вычислить с помощью хорошо известного сортировка без доминирования процедура.^[2]
• 3. ${ displaystyle r ^ {(g)} = sum _ {a in Q ^ {(g + 1)}} Delta {H} (a, Q ^ {(g + 1)}) - sum _ {a in Q ^ {(g)}} Delta {H} (a, Q ^ {(g)})}$, куда ${ Displaystyle Delta {H} (а, Q ^ {(g)})}$ это индикатор гиперобъема вклад человека ${ displaystyle a}$ населению ${ displaystyle Q ^ {(g)}}$. Награда ${ displaystyle r ^ {(g)}> 0}$ если вновь введенный индивидуум улучшает качество популяции, которое измеряется как его гиперобъемный вклад в объективное пространство.
• 4. Ослабление вышеуказанного вознаграждения, включая наложение штрафов на баллы за ${ displaystyle k}$-й фронт Парето с преобладанием: ${ displaystyle r ^ {(g)} = { frac {1} {2 ^ {k-1}}} left ( sum _ {ndom_ {k} (Q ^ {(g + 1)})} Delta {H} (a, ndom_ {k} (Q ^ {(g + 1)})) - sum _ {ndom_ {k} (Q ^ {(g)})} Delta {H} (a , ndom_ {k} (Q ^ {(g)})) right)}$

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

Смотрите также

• Фитнес пропорциональный отбор
• Отбор (генетический алгоритм)
• Стохастическая универсальная выборка
• Выбор турнира

Рекомендации