Key points are not available for this paper at this time.
تستخدم معظم الخوارزميات التطورية المتبعة في الممارسة العملية على نحو مكثف التلقيح. في المقابل، فإن الفهم الدقيق لكيفية استفادة التلقيح متأخر إلى حد كبير. في هذا العمل، نتقدم خطوة كبيرة إلى الأمام من خلال تحليل ديناميات السكان للخوارزمية الجينية ( + 1) عند تحسين معيار القفز. نلاحظ (ونثبت بالوسائل الرياضية) أنه بمجرد أن يحتوي السكان على اثنين من الأفراد المختلفين في الأمثل المحلي، فإن التنوع في السكان يزداد في التوقع. من هذا الانحراف نحو حالات أكثر تنوعًا، نوضح أن التنوع المناسب ليكون التلقيح فعالًا يتم الوصول إليه بسرعة، والأهم من ذلك، أنه يستمر لفترة زمنية تتجاوز على الأقل الأسي في حجم السكان . هذا يتحسن بشكل كبير مقارنة بالضمان الأفضل المعروف سابقًا، والذي يكون فقط ربعيًا في . إن فهمنا الجديد لديناميات السكان يوفر بسهولة ضمانات أداء أقوى. على وجه الخصوص، نستنتج أن أحجام السكان اللوغاريتمية في حجم المشكلة كافية بالفعل للحصول على تحسين زمن تشغيل بمقدار Ω() من التلقيح (الأعمال السابقة حققت حدودًا مماثلة فقط مع = Θ() أو من خلال معدل تحور غير قياسي). تلخص هذه الورقة للمسار الساخن في GECCO 2024 عمل بنجامين دور، أيمن إشارة، محمد جمال، ومارتن كريجكا:
درس دور وآخرون (Sun,) هذا السؤال.