Остаточна версія вийшла: @YanboZhang3, @BeneHartl і @HananelHazan «Евристична адаптивна дифузійна модель еволюційної стратегії» Анотація: Дифузійні моделі (DM) та еволюційні алгоритми (EA) мають спільний основний генеративний принцип: ітеративне уточнення випадкових початкових розподілів для отримання високоякісних рішень. DM деградують і відновлюють дані за допомогою гауссового шуму, що забезпечує універсальну генерацію, тоді як EAs оптимізують чисельні параметри за допомогою біологічно натхненних евристик. Наші дослідження інтегрують ці фреймворки, використовуючи DM на основі глибокого навчання для покращення EAs у різних сферах. Ітеративно вдосконалюючи ДМ за допомогою евристично курованих баз даних, ми створюємо краще адаптовані параметри нащадків, досягаючи ефективної конвергенції до рішень з високою пристосованістю та зберігаючи дослідницьке різноманіття. DM доповнюють EA глибокою пам'яттю, зберігаючи історичні дані та використовуючи тонкі кореляції для вдосконаленого вибіркового відбору. Керівництво без класифікатора додатково забезпечує точний контроль еволюційної динаміки, орієнтуючись на конкретні генотипові, фенотипові або популяційні ознаки. Цей гібридний підхід перетворює EA на адаптивні фреймворки з розширенням пам'яті, пропонуючи безпрецедентну гнучкість і точність еволюційної оптимізації, що має широкі наслідки для генеративного моделювання та евристичного пошуку.