[文献阅读]An Efficient Evolutionary Algorithm for Subset Selection with General Cost Constraints（Bian C）

前言

      这篇文章为南京大学人工智能学院研究助理卞超所写，主要研究内容为提出了一个有效的进化算法求解子集选择问题。论文地址：http://www.lamda.nju.edu.cn/qianc/aaai20-eamc-final.pdf

     下面为作者的简略总结：

1、问题背景

      子集选择问题（subset selection problem），有广泛应用,例如最大覆盖问题（maximum coverage）、传感器放置（sensor placement）、最大影响力问题（influence maximization）等

2、subset selection problem模型

      monotone function 的定义：

3、两个state-of-the-art算法（对比算法）

（1）贪婪：根据 f 和 c 的最大边际收益，增量式地一个一个增加元素；是一个有效地固定时间算法，但是性能受限；
（2）POMC：将原问题转化为多目标优化，最大化目标f，最小化约束c；通过逐位变异产生新个体，如果支配当前种群中个体则加入，删除被支配个体；但是由于种群数量不限，导致时间不可控，可能是指数增长

4、文章提出的EAMC

• 引入了一个代理目标 g
  
  其中，
  
  算法流程：
• 种群初始为全零解集；
• 循环：从种群中随机选择一个个体逐位变异，若满足约束，则判断有无模相等的个体在种群里，若没有则将其加入种群，并且记录u_i和v_i都为当前个体(u_i和v_i分别表示模为 i 的f(x)和g(x)最大的解)；否则，更新u_i和v_i，并将规模为 i 的所有个体从种群中删除，将u_i和v_i加入种群；
  

5、理论分析

证明了算法在多项式时间内，可找到目前已知最好的近似解。

其中，Eq.(4)：

6、实验分析

（1）对比算法即本博客第3小节中介绍的两种，贪婪和POMC
（2）针对三个应用问题进行了测试，结果如下图

注：机器之心公众号也有一篇文章介绍了这篇论文，链接为https://mp.weixin.qq.com/s/QDbWwT5ZP2MNF3NVHX_SzQ

ps:初学此文，如有错误敬请包涵~