کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6875436 1441953 2018 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Linear multi-objective drift analysis
ترجمه فارسی عنوان
تجزیه و تحلیل رانش چند هدفه خطی
ترجمه چکیده
ابزار تجزیه و تحلیل رانش محدودیت های زمان اجرا (یا اولین بار ضربه) از فرآیندهای تصادفی، مانند الگوریتم های تصادفی، بر اساس محدودیت های پیشرفت مورد انتظار در هر مرحله از لحاظ اندازه گیری فاصله را فراهم می کند. در این مقاله، ما قضیه راندگی چند جملهای را به کار می گیریم تا در فرایندهایی که بیشتر با استفاده از بیش از یک عملکرد فاصله شناخته می شوند، اعمال شود. ما چهار مثال برای نشان دادن کاربرد این روش ارائه می دهیم: تجزیه و تحلیل زمان اجرا الگوریتم تکاملی در یک مسئله بهینه سازی چند هدفه. تجزیه و تحلیل یک نوع از مدل رای دهندگان در شبکه؛ یک الگوریتم تکاملی موازی در جزایر با مهاجرت محدود است. یک مدل اپیدمیولوژی شبکه همگام در مثال دوم، ما نشان می دهیم که جمعیت هایی با محله های محدود (مانند توپولوژی حلقه) قادر به مقاومت در برابر بیماری های همه گیر هستند بسیار موثر تر از جمعیت هایی که به خوبی مخلوط شده اند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
The tools of drift analysis enable bounds on run-times (or first hitting times) of stochastic processes, such as randomised algorithms, based on bounds on the expected progress at each time step in terms of a distance measure. In this paper, we generalise the multiplicative drift theorem to apply to processes which are best described by more than one distance function. We provide four examples to illustrate the application of this method: the run-time analysis of an evolutionary algorithm on a multi-objective optimisation problem; the analysis of a variant of the voter model on a network; a parallel evolutionary algorithm taking place on islands with limited migration; a synchronous network epidemiology model. In the latter example, we show that populations with limited neighbourhoods (such as the ring topology) are able to resist epidemics much more effectively than well-mixed populations.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Theoretical Computer Science - Volume 736, 6 August 2018, Pages 25-40
نویسندگان
,