arXiv · Neural and Evolutionary Computing· Vojt\v{e}ch Nov\'ak, Ivan Zelinka·· 7 小时前AI 评分22
iSOMA 自适应旋转改进：几何基准与噪声鲁棒性研究
Adaptive Rotation for iSOMA: Geometry, Benchmarking, and Noise Robustness in Variational Quantum Objectives
AI 导读
论文提出 iSOMA-AR，通过从成功迁移位移中学习基向量并选择性应用扰动掩码，减少 iSOMA 的坐标依赖性。在无噪声 BBOB 基准上，iSOMA-AR 显著优于基线 iSOMA，在几何困难景观上增益最大；在 CEC 2011 真实世界优化问题上超越 iL-SHADE，但在变分量子目标上的优势不显著。自适应旋转对坐标敏感的确定性问题最有效，噪声鲁棒性主要来自底层 SOMA 迁移机制。
来源：arXiv · Neural and Evolutionary Computing · arxiv.org