Финальная версия вышла: @YanboZhang3, @BeneHartl и @HananelHazan "Эвристически адаптивная эволюционная стратегия на основе диффузионных моделей" Аннотация: Диффузионные модели (DM) и эволюционные алгоритмы (EA) разделяют основополагающий генеративный принцип: итеративное уточнение случайных начальных распределений для получения высококачественных решений. DM ухудшают и восстанавливают данные с использованием гауссовского шума, что позволяет гибко генерировать, в то время как EA оптимизируют числовые параметры с помощью биологически вдохновленных эвристик. Наше исследование интегрирует эти рамки, используя DM на основе глубокого обучения для улучшения EA в различных областях. Путем итеративного уточнения DM с помощью эвристически подобранных баз данных мы генерируем лучше адаптированные параметры потомков, достигая эффективной сходимости к решениям с высокой приспособленностью, сохраняя при этом исследовательское разнообразие. DM усиливают EA с помощью глубокой памяти, сохраняя исторические данные и используя тонкие корреляции для уточненной выборки. Направление без классификаторов дополнительно позволяет точно контролировать эволюционную динамику, нацеливаясь на конкретные генотипические, фенотипические или популяционные черты. Этот гибридный подход трансформирует EA в адаптивные, улучшенные памятью структуры, предлагая беспрецедентную гибкость и точность в эволюционной оптимизации, с широкими последствиями для генеративного моделирования и эвристического поиска.