计算机应用

作者：熊前龙, 秦进

单位：1.公共大数据国家重点实验室（贵州大学），贵阳 550025；2.贵州大学 计算机科学与技术学院，贵阳 550025

关键词：进化算法,神经网络架构搜索,混合启发信息,自适应协方差策略,蒙特卡洛交换采样

基金：国家自然科学基金资助项目(62162007);贵州省科技计划项目(黔科合人才KJZY［2025］020)

针对神经网络架构搜索（NAS）任务，提出一种混合启发信息指导NAS（GHHI-NAS）算法。首先，通过设计融合先验知识与局部搜索反馈的启发信息构造模块，生成多维动态启发指标，并配合混合更新策略指导架构搜索，从而有效解决传统NAS因更新方向单一导致的全局探索不足及局部最优陷阱的问题；其次，使用自适应协方差进化策略（CMA-ES）作为更新框架，并辅以混合适应度评价函数，从而指导算法在初期跳出小模型陷阱；最后，通过适应度共享策略平滑地评价噪声并提升种群多样性。此外，为了进一步降低采样带来的性能损失，提出带惩罚机制的蒙特卡洛交换采样方法。实验结果表明，GHHI-NAS算法在CIFAR-10和CIFAR-100数据集上分别取得了97.55%和83.44%的验证正确率，在ImageNet数据集上取得了24.7%的测试错误率，在NAS-Bench-201数据集上也取得了杰出的表现，接近甚至略优于进化NAS（ENAS）算法，同时搜索时间仅为0.12 GPU-Days，实现了较低的搜索开销和较高水平的测试性能。

来源：2026年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第2期