一种用于大型优化问题的节约内存及连续值的紧致分布估计算法

针对达到107个二进制变量的大型的OneMax及RoyalRoad优化问题的紧致分布估计算法。根据紧致遗传算法，连续域的群体增量学习算法以及算术编码EDA算法，提出一种能够以最小的内存简洁地解决正常类型的和噪声类型的上述优化问题的新型方法，无论此类优化问题规模或群体的大小。这一特点允许该算法在普通的台式机上运行。并对概率模型采样，任意精度的算术编码解码方案，增量适值函数评估以及紧致学习的更新规则等问题进行了讨论。