शोर वाले वातावरण में डेटा-आधारित विकासात्मक एल्गोरिदम का अनुभवजन्य अध्ययन

गणनात्मक रूप से गहन समस्याओं के लिए, डेटा-आधारित विकासात्मक एल्गोरिदम (DDEAs) निम्न गणनात्मक बजट के लिए फायदेमंद होते हैं क्योंकि वे महंगी मूल्यांकन का अनुमान लगाने के लिए ऐतिहासिक डेटा के आधार पर प्रतिस्थापन मॉडल बनाते हैं। वास्तविक दुनिया की अनुकूलन समस्याएँ शोर डेटा के प्रति अत्यधिक संवेदनशील होती हैं, लेकिन अधिकांश существующие DDEAs को आदर्श और स्वच्छ वातावरण में विकसित और परीक्षण किया गया है; इसलिए, उनका प्रदर्शन व्यावहारिक रूप से अनिश्चित होता है। यह पता लगाने के लिए कि DDEAs को शोर डेटा से कैसे प्रभावित किया जाता है, इस लेख ने विभिन्न शोर वाले वातावरण में DDEAs के प्रदर्शन का अनुभवजन्य अध्ययन किया। अनुसंधान के उद्देश्य को पूरा करने के लिए, हमने चार प्रतिनिधि DDEAs को लागू किया और उन्हें सामान्य बेंचमार्क समस्याओं पर शोर सिमुलेशन के साथ व्यवस्थित तरीके से परीक्षण किया। विशेष रूप से, शोर वाले वातावरण का सिमुलेशन शोर तीव्रता और संभावना के विभिन्न स्तरों पर विचार किया गया। प्रयोगात्मक विश्लेषण ने शोर वाले वातावरण, बेंचमार्क समस्याओं और DDEAs के प्रदर्शन के बीच संबंधों को उजागर किया। विश्लेषण ने दिखाया कि अधिकांश मामलों में शोर आमतौर पर DDEA के प्रदर्शन में गिरावट का कारण बनेगा, लेकिन विभिन्न प्रकार के समस्या परिदृश्यों और DDEAs के विभिन्न डिज़ाइनों के साथ प्रभाव भिन्न हो सकते हैं।