अनुवांशिक रूप से अनुकूलनशील बहुपद्धति खोज से सुधारित विकासात्मक अनुकूलन

पिछले कुछ दशकों में, विकासात्मक एल्गोरिदम ने कई विरोधाभासी लक्ष्यों में शोध और अनुकूलन समस्याओं को हल करने के लिए एक क्रांतिकारी दृष्टिकोण के रूप में उभरे हैं। कई समाधानों के लिए असंवेदनशील रूप से बड़े स्थानों में खोजने की उनकी क्षमता के अलावा, ये एल्गोरिदम समाधानों की एक विविध जनसंख्या बनाए रख सकते हैं और पुनः संयोजन के द्वारा समाधानों की समानताओं का लाभ उठा सकते हैं। हालांकि, मौजूदा सिद्धांत और संख्यात्मक प्रयोगों ने दिखाया है कि जनसंख्या विकास के लिए एकल एल्गोरिदम विकसित करना असंभव है जो हमेशा विभिन्न प्रकार की अनुकूलन समस्याओं के लिए प्रभावी हो। यहां हम दिखाते हैं कि विकासात्मक खोज की दक्षता में महत्वपूर्ण सुधार प्राप्त किया जा सकता है एक साथ कई अनुकूलन एल्गोरिदम चलाकर, वैश्विक जानकारी साझा करने और अनुवांशिक रूप से अनुकूलनशील संतानों के निर्माण के नए सिद्धांतों का उपयोग करके। हम इस दृष्टिकोण को एक बहु-एल्गोरिदम, अनुवांशिक रूप से अनुकूलनशील बहु-लक्ष्य, या AMALGAM विधि कहते हैं, ताकि विभिन्न अनुकूलन एल्गोरिदम की शक्तियों को मिलाने की प्रक्रिया का चित्रण किया जा सके। ज्ञात बहु-लक्ष्य परीक्षण समस्याओं के सेट का उपयोग करते हुए बेंचमार्क परिणाम दिखाते हैं कि AMALGAM वर्तमान अनुकूलन एल्गोरिदम की तुलना में अधिक जटिल, उच्च-आयामी समस्याओं के लिए 10 गुना सुधार के करीब पहुंचता है। AMALGAM विधि पहले असंभव समझी गई अनुकूलन समस्याओं को हल करने के लिए नए अवसर प्रदान करती है।