Resumen

Aunque ha habido muchos estudios sobre el tiempo de ejecución de los algoritmos evolutivos en la optimización discreta, se han propuesto relativamente pocos resultados teóricos sobre la optimización continua, como la programación evolutiva (PE). Este trabajo propone un análisis del tiempo de ejecución de dos algoritmos de PE basados en mutaciones gaussianas y de Cauchy, utilizando una cadena de Markov absorbente. Dada una variación constante, calculamos el límite superior de tiempo de ejecución de la PE de mutación gaussiana especial y de la PE de mutación de Cauchy. Nuestro análisis revela que los límites superiores se ven afectados por el número individual, el número de dimensión del problema n, el rango de búsqueda y la medida de Lebesgue del vecindario óptimo. Además, proporcionamos condiciones por las que el tiempo de ejecución medio del PE considerado no puede ser superior a un polinomio de n. La condición es que la medida de Lebesgue del vecindario óptimo sea mayor que un cálculo combinatorio de un exponencial y el polinomio dado de n.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:medidas de lebesgue, vecindad óptima, límite superior, mutación cauchy ep, número de dimensiones del problema, mutación gaussiana especial, mutación gaussiana ep, tiempo de ejecución, polinomio dado, variación constante
• Keywords:lebesgue measures, optimal neighborhood, upper bound, cauchy mutation ep, problem dimensions number, special gaussian mutation, gaussian mutation ep, runtime, given polynomial, constant variation