Evolutionary Algorithms: The Role of Mutation and Recombination

با وجود دهه‌ها کار در الگوریتم‌های تکاملی، ابهامات زیادی در مورد اینکه چه زمانی استفاده از نوترکیبی یا جهش مفید یا مضر است، وجود دارد. این کتاب توصیفی از نقش‌هایی که نوترکیب و جهش در الگوریتم‌های تکاملی ایفا می‌کنند ارائه می‌کند. این کار نظری قبلی را ادغام می کند و تکنیک های نظری جدیدی را برای مطالعه الگوریتم های تکاملی معرفی می کند. یک الگوریتم تجمع برای زنجیره های مارکوف معرفی شده است که برای مطالعه نه تنها الگوریتم های تکاملی به طور خاص، بلکه به طور کلی سیستم های پیچیده نیز مفید است. پیامدهای عملی این تئوری بررسی شده و یک روش جدید برای مقایسه الگوریتم‌های جستجو و بهینه‌سازی معرفی می‌شود. تمرکز بر بازنمایی‌های گسسته و نه واقعی به این کتاب اجازه می‌دهد تا جوامع متعددی از جمله زیست‌شناسان تکاملی و ژنتیک‌دانان جمعیت را پیوند دهد.

Despite decades of work in evolutionary algorithms, there remains a lot of uncertainty as to when it is beneficial or detrimental to use recombination or mutation. This book provides a characterization of the roles that recombination and mutation play in evolutionary algorithms. It integrates prior theoretical work and introduces new theoretical techniques for studying evolutionary algorithms. An aggregation algorithm for Markov chains is introduced which is useful for studying not only evolutionary algorithms specifically, but also complex systems in general. Practical consequences of the theory are explored and a novel method for comparing search and optimization algorithms is introduced. A focus on discrete rather than real-valued representations allows the book to bridge multiple communities, including evolutionary biologists and population geneticists.