×

通过精确的黑盒分析进行最佳参数选择。 (英语) Zbl 1436.68408号

总结:已经观察到,进化算法的一些工作原理,特别是参数的影响,无法从运行时渐近顺序的结果中理解,而只能从更精确的结果中了解。在这项工作中,我们用第一个精确的复杂性理论结果来补充新出现的精确运行时分析主题。我们的愿景是,算法分析和复杂性理论之间的相互作用也将成为一种富有成效的工具,用于比渐近数量级更精确的分析。作为特定的结果,我们证明了OneMax基准函数类的一元无偏黑盒复杂度是常数(c)的(n(n)-c n \pm o(n)),该常数在0.2539到0.2665之间。这个运行时可以通过使用适合度相关的变异强度的简单((1+1)型算法来实现。当转换为固定预算的观点时,我们的算法找到的解决方案比之前已知的最佳算法更接近最优解约13%。为了证明我们的结果,我们提出了几个新版本的变量漂移定理,这些定理可能也有独立的意义。

MSC公司:

68瓦50 进化算法、遗传算法(计算方面)
68瓦40 算法分析
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Droste,S。;詹森,T。;Wegener,I.,黑箱优化中随机搜索启发式的上下限,理论计算。系统。,39, 525-544 (2006) ·Zbl 1103.68115号
[2] 多尔,B。;多尔,C。;Ebel,F.,从黑盒复杂性到设计新的遗传算法,Theor。计算。科学。,567, 87-104 (2015) ·兹比尔1314.68290
[3] Witt,C.,最小生成树问题的(1+1)EA修正分析,(遗传与进化计算会议论文集。遗传与进化计算机会议论文集,GECCO’14(2014),ACM),509-516
[4] Baswana,S。;比斯瓦斯,S。;多尔,B。;弗里德里希,T。;Kurur,P.P。;Neumann,F.,使用单目标适应度函数计算单源最短路径,(第十届ACM遗传算法基础研讨会论文集,第十届AC遗传算法基础会议论文集,FOGA’09(2009),ACM),59-66·Zbl 1369.68296号
[5] 多尔,B。;柯德里克,B。;Voigt,M.,全局多目标进化算法运行时的下限,(进化计算大会议事录,进化计算大会会议议事录,CEC’13(2013),IEEE),432-439
[6] Garnier,J。;Kallel,L。;Schoenauer,M.,二元突变的严格命中时间,Evol。计算。,7, 173-203 (1999)
[7] Droste,S。;詹森,T。;Wegener,I.,关于(1+1)进化算法的分析,Theor。计算。科学。,276, 51-81 (2002) ·Zbl 1002.68037号
[8] 多尔,B。;M.福兹。;Witt,C.,准随机进化算法,(《遗传与进化计算会议议事录》,《遗传与演化计算会议议事稿》,GECCO’10(2010),ACM),1457-1464
[9] Sudholt,D.,进化算法运行时间下限的新方法,IEEE Trans。埃沃。计算。,17, 418-435 (2013)
[10] 多尔,B。;M.福兹。;Witt,C.,《概率生成函数和变量漂移的夏普界限》,(《遗传与进化计算会议论文集》,GECCO’11(2011),ACM),2083-2090
[11] Hwang,H.等人。;潘霍尔泽,A。;Rolin,N。;Tsai,T。;陈伟,(1+1)-进化算法的概率分析,进化。计算。,26, 299-345 (2018)
[12] Witt,C.,线性函数随机搜索启发式优化时间的紧界,Comb。可能性。计算。,22, 294-318 (2013) ·Zbl 1258.68183号
[13] He,J。;姚,X.,估计进化算法计算时间的漂移分析研究,自然计算。,3, 21-35 (2004) ·Zbl 1074.68062号
[14] Jägersküpper,J.,《Markov-chain和漂移分析的融合》,(《自然中的并行问题解决程序》,《自然中并行问题解决的程序》,PPSN'08。程序。并行问题解决的本质。程序。《自然中的并行问题解决》,PPSN'08,《计算机科学讲义》,第5199卷(2008),斯普林格出版社,41-51
[15] 多尔,B。;Johannsen,D。;Winzen,C.,乘法漂移分析,算法,64,673-697(2012)·Zbl 1264.68220号
[16] 基恩(Gießen,C.)。;Witt,C.,OneMax上(1+lambda)EA中种群大小和突变概率的相互作用,Algorithmica,78,587-609(2017)·Zbl 1366.68262号
[17] 多尔,B。;基恩(Gießen,C.)。;维特,C。;杨,J.,具有自调整突变率的进化算法,《算法》,81,593-631(2019)·Zbl 1411.68143号
[18] Dang-Nhu,R。;达迪尼尔,T。;多尔,B。;伊扎卡德,G。;Nogneng,D.,动态和噪声目标函数进化优化的一种新分析方法,(遗传与进化计算会议论文集。遗传与进化计算机会议论文集,GECCO’18(2018),ACM),1467-1474
[19] Böttcher,S。;多尔,B。;Neumann,F.,LeadingOnes问题的最佳固定和自适应突变率,(《自然中的并行问题解决程序》,《自然中并行问题解决的程序》,PPSN’10。程序。并行问题解决的本质。程序。《自然中的并行问题解决》,PPSN’10,《计算机科学讲义》,第6238卷(2010),Springer),1-10
[20] 多尔,B。;詹森,T。;维特,C。;Zarges,C.,《从预期优化时间得出固定预算结果的方法》,(《遗传与进化计算会议议事录》,《遗传与演化计算会议议事稿》,GECCO’13(2013),ACM),1581-1588
[21] Doerr,B.,《通过随机控制实现更好的运行时保证》,(组合优化中的进化计算程序。组合优化中进化计算程序,EvoCOP’18(2018),Springer),1-17,完整版,网址:·兹比尔1423.68624
[22] Lissovoi,A。;Oliveto,P.S。;Warwicker,J.A.,《关于伪布尔优化广义选择超神经网络的运行时分析》,(《遗传与进化计算会议论文集》,《遗传与演化计算会议论文》,GECCO’17(2017),ACM),849-856
[23] 多尔,B。;Lissovoi,A。;Oliveto,P.S。;Warwicker,J.A.,《关于具有自适应学习周期的选择超神经系统的运行时分析》,(《遗传与进化计算会议论文集》,遗传与进化计算机会议论文集,GECCO’18(2018),ACM),1015-1022
[24] 多尔,B。;Le,H.P。;马赫马拉,R。;Nguyen,T.D.,《快速遗传算法》,(《遗传与进化计算会议议事录》,《遗传与演化计算会议议事稿》,GECCO’17(2017),ACM),777-784,完整版,网址:
[25] Antipov,D。;Doerr,B.,《高原的精确运行时分析》(Proc.of Parallel Problem Solving From Nature)。程序。来自自然的并行问题解决。程序。《来自自然的并行问题解决》,PPSN’18,《计算机科学讲义》,第11102卷(2018),Springer),117-128
[26] Lehre,P.K。;Witt,C.,《基于无偏变量的Black-box搜索》,《算法》,64,623-642(2012)·Zbl 1264.68221号
[27] 多尔,B。;Winzen,C.,OneMax Inf.进程的内存限制黑盒复杂性。莱特。,112, 32-34 (2012) ·Zbl 1233.68235号
[28] Fournier,H。;Teytaud,O.,《使用VC-维度和符号模式的基于比较的进化策略的下限》,《算法》,59,387-408(2011)·Zbl 1211.68505号
[29] 多尔,B。;Winzen,C.,《基于排名的黑盒复杂性》,算法学,68571-609(2014)·Zbl 1360.68505号
[30] Doerr,C.,《离散黑盒优化启发式的复杂性理论》,(Doerr,B.;Neumann,F.,《离散搜索空间中的随机搜索启发式理论》(2019),Springer),出版社,在线阅读
[31] 多尔,B。;Kötzing,T。;Lengler,J。;Winzen,C.,组合问题的黑盒复杂性,Theor。计算。科学。,471, 84-106 (2013) ·Zbl 1259.68181号
[32] Buzdalov,M。;多尔,B。;Kever,M.,跳跃函数的无限制黑盒复杂性,Evol。计算。,24, 719-744 (2016)
[33] 多尔,B。;Doerr,C.,《随机初始化对随机搜索启发式运行时的影响》,《算法》,75529-553(2016)·兹比尔1348.68226
[34] de Perthuis de Laillevaust,A。;多尔,B。;Doerr,C.,《白手起家:通过更好的初始化加速进化算法》,(《遗传与进化计算会议论文集》,《遗传与演化计算会议论文》,GECCO’15(2015),ACM),815-822
[35] 詹森,T。;Zarges,C.,在固定预算下运行的随机搜索启发式的性能分析,Theor。计算。科学。,545, 39-58 (2014) ·Zbl 1360.68781号
[36] 多尔,B。;詹森,T。;Sudholt,D。;温岑,C。;Zarges,C.,突变率即使在优化单调函数时也很重要,Evol。计算。,21, 1-21 (2013)
[37] Lengler,J.等人。;Steger,A.,《漂移分析和进化算法重访》,Comb。可能性。计算。,27, 643-666 (2018) ·Zbl 1484.68324号
[38] Lengler,J.,《单调函数上进化算法的一般二分法》(Proc.of Parallel Problem Solving from Nature)。程序。并行问题解决的本质。程序。《自然中的并行问题解决》,PPSN’18,《计算机科学讲义》,第11102卷(2018年),Springer),第3-15页,完整版,网址:
[39] Buskulic,N。;Doerr,C.,最大化漂移对求解OneMax不是最优的,(遗传与进化计算会议(GECCO’19),伴生材料(2019),ACM),出版中,GitHub页面中漂移最大化和时间最小化比特翻转数可在
[40] Bäck,T.,遗传算法中变异率、选择和自适应的相互作用,(《自然中的并行问题解决程序》,《自然中并行问题解决的程序》,PPSN'92(1992),Elsevier),87-96
[41] 阿拉巴马州菲亚略。;科斯塔,L.D。;Schoenauer先生。;Sebag,M.,基于极值的自适应算子选择,(《自然中的并行问题解决程序》,《自然中并行问题解决的程序》,PPSN'08。程序。并行问题解决的本质。程序。《自然中的并行问题解决》,PPSN'08,《计算机科学讲义》,第5199卷(2008),斯普林格出版社,175-184
[42] 阿拉巴马州菲亚略。;科斯塔,L.D。;Schoenauer,M。;Sebag,M.,《进化算法中自适应算子选择的动态多臂盗贼和基于极值的奖励》,(学习与智能优化程序,学习与智能最优化程序,LION’09)。程序。学习和智能优化。程序。《学习与智能优化》,LION’09,计算机科学讲义,第5851卷(2009),Springer),176-190
[43] 基恩(Gießen,C.)。;Witt,C.,通过渐近紧漂移分析,OneMax上(1+lambda)EA的最佳突变率,Algorithmica,80,1710-1731(2018)·Zbl 1390.68596号
[44] 多尔,B。;Doerr,C.,离散黑箱优化的参数控制机制理论:通过动态参数选择获得可证明的性能增益,(Doerr,B.;Neumann,F.,离散搜索空间中的随机搜索启发式理论(2019),Springer),正在出版中,在线访问
[45] 多尔,B。;多尔,C。;Yang,J.,具有自调整k的k位变异优于标准位变异,(《自然的并行问题解决程序》,《自然的平行问题解决程序,PPSN’16。程序。并行问题解决的本质。程序。《自然中的并行问题解决》,PPSN’16,《计算机科学讲义》,第9921卷(2016),Springer),824-834
[46] 多尔,B。;多尔,C。;Yang,J.,通过精确黑盒分析进行最优参数选择,(《遗传与进化计算会议论文集》,遗传与进化计算机会议论文集,GECCO’16(2016),ACM),1123-1130
[47] 米塔夫斯基,B。;Rowe,J.E。;Cannings,C.,《在保持总链接数的前提下优化网络通信的本地搜索策略的理论分析》,《Int.J.Intell》。计算。赛博。,2, 243-284 (2009) ·兹比尔1175.90210
[48] Johannsen,D.,《随机组合结构和随机搜索启发式》(2010),萨尔州大学博士论文
[49] Hoeffing,W.,有界随机变量和的概率不等式,美国统计协会,58,13-30(1963)·Zbl 0127.10602号
[50] Doerr,B.,《随机优化启发式分析的概率工具》,(Doerr,B.;Neumann,F.,《离散搜索空间中的随机搜索启发式理论》(2019),Springer),出版。可在线访问
[51] Whittaker,E.T。;Watson,G.N.,《现代分析课程》(1920),剑桥大学出版社·JFM 47.0190.17号
[52] Azuma,K.,某些因变量的加权和,东北数学。J.,19357-367(1967)·Zbl 0178.21103号
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。