Finální verze je venku: @YanboZhang3, @BeneHartl a @HananelHazan "Heuristicky adaptivní model difúze – evoluční strategie" Abstrakt: Difuzní modely (DM) a evoluční algoritmy (EA) sdílejí základní generativní princip: iterativní zpřesňování náhodných počátečních rozdělení za účelem vytvoření vysoce kvalitních řešení. DM degradují a obnovují data pomocí Gaussova šumu, což umožňuje všestrannou generaci, zatímco EAs optimalizují numerické parametry pomocí biologicky inspirovaných heuristik. Náš výzkum integruje tyto rámce a využívá DM založené na hlubokém učení k posílení EA v různých oblastech. Iterativním zpřesňováním DM pomocí heuristicky kurátorovaných databází generujeme lépe přizpůsobené parametry potomků, dosahujeme efektivní konvergence k řešení s vysokou fitness a zároveň zachováváme průzkumnou rozmanitost. DM doplňují EA hlubokou pamětí, uchovávají historická data a využívají jemné korelace pro zdokonalené vzorkování. Navigace bez klasifikátorů dále umožňuje přesnou kontrolu evoluční dynamiky a zaměřuje se na specifické genotypické, fenotypické nebo populační znaky. Tento hybridní přístup proměňuje EA v adaptivní, paměťově vylepšené rámce, které nabízejí bezprecedentní flexibilitu a přesnost v evoluční optimalizaci, s širokými důsledky pro generativní modelování a heuristické vyhledávání.