報酬に基づく選抜

報酬に基づく選択は、進化アルゴリズムにおいて、組み換えに有用な可能性のある解を選択するために用いられる手法である。個体が選択される確率は、その個体が獲得した累積報酬に比例する。累積報酬は、個体の報酬と親から受け継いだ報酬の合計として計算できる。

報酬に基づく選択は、多目的最適化のためのマルチアームバンディットフレームワーク内で使用して、パレートフロンティアのより良い近似を得ることができます。 ^{[ 1 ]}

新生児${\displaystyle a'^{(g+1)}}$そしてその両親は報酬を受け取る$\displaystyle r^{(g)}}$、 もし${\displaystyle a'^{(g+1)}}$新しい人口のために選ばれた${\displaystyle Q^{(g+1)}}$それ以外の場合は報酬はゼロです。報酬の定義にはいくつかの種類があります。

• 1.$\displaystyle r^{(g)}=1}$新生児が${\displaystyle a'^{(g+1)}}$新しい人口のために選ばれた${\displaystyle Q^{(g+1)}}$。
• 2.${\displaystyle r^{(g)}=1-{\frac {rank(a'^{(g+1)})}{\mu }}{\mbox{ if }}a'^{(g+1)}\in Q^{(g+1)}}$、 どこ${\displaystyle rank(a'^{(g+1)})}$は、新たに挿入された個体の集団における順位である。${\displaystyle \mu }$個体。順位は、よく知られている非劣解ソート手順を使用して計算できます。^{[ 2 ]}
• 3.${\displaystyle r^{(g)}=\sum _{a\in Q^{(g+1)}}\Delta {H}(a,Q^{(g+1)})-\sum _{a\in Q^{(g)}}\Delta {H}(a,Q^{(g)})}$、 どこ$\displaystyle \Delta {H}(a,Q^{(g)})}$個人のハイパーボリューム指標の寄与${\displaystyle a}$国民へ${\displaystyle Q^{(g)}}$報酬$\displaystyle r^{(g)}>0}$新たに挿入された個体が、目的空間におけるその個体の超体積寄与度として測定される集団の質を向上させる場合。
• 4. 上記の報酬の緩和、ポイントに対するランクベースのペナルティを含む${\displaystyle k}$-番目の支配的なパレートフロンティア:${\displaystyle r^{(g)}={\frac {1}{2^{k-1}}}\left(\sum _{ndom_{k}(Q^{(g+1)})}\Delta {H}(a,ndom_{k}(Q^{(g+1)}))-\sum _{ndom_{k}(Q^{(g)})}\Delta {H}(a,ndom_{k}(Q^{(g)}))\right)}$

報酬に基づく選抜は、個体の累積報酬を最大化することにより、最も実りある探索の方向性を迅速に特定することができる。

• 適度な体力に基づく選択
• 選択（進化アルゴリズム）
• 確率的普遍的サンプリング
• トーナメント選択