Applying Genetic Algorithm with Saltations to MAX-3SAT

Dieses Kapitel untersucht die Anwendung genetischer Algorithmen, die durch evolutionäre Sprünge verbessert wurden, um das MAX-3SAT-Problem zu lösen, wobei es sich von dem in der SARS-CoV-2-Evolution beobachteten punktierten Gleichgewicht inspirieren lässt. Die Studie integriert das Clique-SNV-Rahmenwerk, um epistatische Interaktionen zu identifizieren und evolutionäre Sprünge zu simulieren, wodurch die Fähigkeit des Algorithmus verbessert wird, lokalen Optima zu entkommen und den Lösungsraum effektiver zu erkunden. Schlüsselthemen sind der genetische Algorithmus-Prozess, die Rolle von Epistasis und Saltation in der viralen Evolution, die Integration von Clique-SNV in genetische Algorithmen und die Anwendung des erweiterten Algorithmus auf das MAX-3SAT-Problem. Die Ergebnisse zeigen, dass der genetische Algorithmus mit evolutionären Sprüngen (GA + EJ) den einfachen genetischen Algorithmus in den meisten Konfigurationen übertrifft und mit weniger unbefriedigenden Klauseln näher an optimalen Lösungen ist. Das Kapitel behandelt auch Implementierungsspezifikationen, Parametertuning und zukünftige Richtungen zur Optimierung der Leistung des Algorithmus.