×
Marie-Liesse Cauwet;刘嘉林;巴普蒂斯特·罗齐埃;奥利维尔·泰托德

噪音优化的算法组合。 （英语） 兹比尔1346.90763

安。数学。工件。智力。 76，编号1-2，143-172（2016）.
作者摘要：噪声优化是对受噪声污染的目标函数的优化。解算器组合是一组配有算法选择工具的解算器，用于在它们之间分配计算能力。投资组合在组合优化中得到了广泛而成功的应用。在这项工作中，我们研究了噪声优化解算器的组合。我们通过专用于噪声优化的特设投资组合算法获得了数学证明的性能（即投资组合的性能几乎与其最佳解算器的性能一样好）。一个令人惊讶的结果是，最好将解算器与一些解算器进行比较滞后即，根据其性能提出当前最佳解算器的建议早期的在跑步中。另一个发现是在投资组合中的解算器之间分配计算能力的原则方法。
审核人：Paulo Mbunga（基尔）

引用于2文件

MSC公司：

90立方 非线性规划

关键词：

黑盒噪声优化;算法选择;投资组合算法;单纯的遗憾

软件：

萨特齐拉;DFO公司
PDF格式BibTeX公司 XML格式引用
\textit{M.-L.Cauwet}等人，《数学年鉴》。工件。智力。76，编号1--2，143-172（2016；Zbl 1346.90763）
全文： 内政部 arXiv公司

参考文献：

[1] AsteteMorales，S.，Liu，J.，Teytaud，O.：噪声优化的对数收敛。摘自：《2013年EA会议录》，《2013年进化算法》，第16-28页。法国波尔多。https://hal.inia.fr/hal01107772 (2013) ·Zbl 0857.90144号
[2] Spall，J.：同时摄动法的自适应随机近似。IEEE传输。自动。控制45（10），1839-1853（2000）·Zbl 0990.93125号 ·doi:10.1109/TAC.2000.880982
[3] Spall，J.：用于改进自适应同时扰动算法中的雅可比估计的反馈和加权机制。IEEE传输。自动。控制54（6），1216-1229（2009）·Zbl 1367.93734号 ·doi:10.1109/TAC.2009.2019793
[4] AsteteMorales，S.、Cauwet，M.L.、Liu，J.、Teytaud，O.：对持续噪音优化的简单和累积遗憾。理论计算机科学（2015）·Zbl 1345.90062号
[5] Rolet，P.，Teytaud，O.：自适应噪声优化。收录：EvoStar，第592-601页。图尔基伊斯坦布尔。http://hal.inria.fr/inria00459017 (2010) ·Zbl 0147.18003号
[6] Cauwet，M.L.，Liu，J.，Teytaud，O.：噪声优化的算法组合：早期比较求解器。参加：学习和智能优化会议，美国佛罗里达州（2014年）·Zbl 1346.90763号
[7] Sutton，R.S.，Barto，A.G.：强化学习：简介。麻省理工学院出版社，马萨诸塞州剑桥（1998）
[8] Jebalia，M.，Auger，A.，Hansen，N.：噪声环境中尺度不变（1+1）-ES的对数线性收敛和发散。算法（2010）·Zbl 1230.68212号
[9] Beyer，H.G.：一般二次适应度模型上重组进化策略中的执行器噪声。摘自：Deb，K.（编辑）《遗传与进化计算》，GECCO 2004。计算机科学讲义第3102卷，第654-665页。施普林格，柏林-海德堡（2004）
[10] Prügel-Bennett，A.：人口的好处：五种机制有利于基于人口的算法。IEEE传输。进化。计算。14（4），500-517（2010）·doi:10.1109/TEVC.2009.2039139
[11] Fabian，V.：具有改进的渐近速度的极小值的随机近似。安。数学。Stat.38，191-200（1967）·Zbl 0147.18003号 ·doi:10.1214/aoms/1177699070
[12] Chen，H.：定位函数最大值的较低收敛速度。Ann.Stat.16，1330-1334（1988）·Zbl 0651.62034号 ·doi:10.1214/aos/1176350965
[13] Beyer，H.G.：进化策略理论。斯普林格，海德堡（2001）·doi:10.1007/978-3-662-04378-3
[14] Conn，A.，Scheinberg，K.，Toint，P.：无导数无约束非线性优化的最新进展。数学。程序。79(1-3), 397-414 (1997) ·Zbl 0887.90154号
[15] Arnold，D.V.，Beyer，H.G.：一般噪声模型及其对进化策略绩效的影响。IEEE传输。进化。计算。10(4), 380-391 (2006) ·doi:10.1109/TEVC.2005.859467
[16] Sendhoff，B.，Beyer，H.G.，Olhofer，M.：随机质量函数对进化搜索的影响。模拟进化和学习的最新进展。《自然计算进展》第152-172页（2004）
[17] Jin，Y.，Branke，J.：不确定环境中的进化优化。调查。IEEE传输。进化。计算。9(3), 303-317 (2005) ·doi:10.1109/TEVC.2005.846356
[18] 沙米尔：关于土匪线性优化的复杂性。摘自：《第28届学习理论会议论文集》，COLT 2015，巴黎，法国，第1523-1551页（2015）
[19] Fabian，V.：随机近似。In:Rustagi，J.（编辑）《统计学中的优化方法》；会议记录研讨会，俄亥俄州立大学，第439-470页。纽约学术出版社（1971）·Zbl 0274.62060号
[20] Kotthoff，L.：组合搜索问题的算法选择：综述。CoRR abs/1210，7959（2012）·Zbl 1327.68195号
[21] Utgoff，P.E.：感知器树：混合概念表征的案例研究。摘自：全国人工智能会议，第601-606页（1988年）·Zbl 1084.68543号
[22] Aha，D.W.：案例研究的概括：一个案例研究。摘自：《第九届机器学习国际研讨会论文集》，摩根考夫曼出版社，第1-10页（1992年）
[23] Wolpert，D.H.，Macready，W.G.：优化没有免费午餐定理。IEEE传输。进化。计算。1(1), 67-82 (1997) ·doi:10.1109/4235.585893
[24] Borrett，J.，Tsang，E.P.K.：建立一个比较约束满足问题公式的正式框架。埃塞克斯大学计算机科学系技术报告（1996年）·Zbl 0990.93125号
[25] Vassilevska，V.，Williams，R.，Woo，S.L.M.：使用混合方法应对困难。摘自：第十七届ACM-SIAM离散算法年会论文集，第1-10页。ACM（2006）·Zbl 1192.68381号
[26] Xu，L.，Hutter，F.，Hoos，H.H.，Leyton-Brown，K.：SATzilla:SAT.J.Artif的基于投资组合的算法选择。智力。研究（JAIR）32，565-606（2008）·Zbl 1182.68272号
[27] Samulowitz，H.，Memisevic，R.：学习解决qbf。收录于：《第22届全国人工智能大会论文集》，第255-260页。AAAI（2007）·Zbl 0568.62074号
[28] Xu，L.，Hutter，F.，Hoos，H.H.，Leyton-Brown，K.：Hydra-mip：混合整数规划的自动算法配置和选择。参加：2011年国际人工智能联合会议（IJCAI）上RCRA关于组合爆炸问题求解算法实验评估的研讨会
[29] Pulina，L.，Tacchella，A.：量化布尔公式的自适应多引擎求解器。约束14（1），80-116（2009）·Zbl 1183.68589号 ·doi:10.1007/s10601-008-9051-2
[30] Kadioglu，S.、Malitsky，Y.、Sabharwal，A.、Samulowitz，H.、Sellmann，M.：算法选择和调度。In:第17届约束规划原理与实践国际会议，pp 454-469（2011）
[31] Gagliolo，M.，Schmidhuber，J.：用于问题间自适应在线时间分配的神经网络模型。摘自：第15届人工神经网络国际会议：形式模型及其应用，第7-12页。斯普林格（2005）·Zbl 1113.68101号
[32] Gagliolo，M.，Schmidhuber，J.：学习动态算法组合。安。数学。工件。《情报》47（3-4），295-328（2006）·Zbl 1113.68101号
[33] Armstrong，W.，Christen，P.，McCreath，E.，Rendell，A.P.：使用强化学习的动态算法选择。摘自：人工智能与数据挖掘整合国际研讨会，第18-25页（2006年）
[34] Hamadi，Y.：组合搜索：从算法到系统。施普林格（2013）·Zbl 1317.68003号
[35] Lai，T.，Robbins，H.：渐近有效的自适应分配规则。高级申请。数学。6, 4-22 (1985) ·Zbl 0568.62074号 ·doi:10.1016/0196-8858（85）90002-8
[36] Auer，P.：使用置信界限进行开采勘探权衡。J.马赫。学习。第3号决议，397-422（2003年）·Zbl 1084.68543号
[37] Bubeck，S.、Munos，R.、Stoltz，G.：对多武装匪徒问题的纯粹探索。收录：ALT.，第23-37页（2009年）·Zbl 1262.68061号
[38] Kocsis，L.，Szepesvari，C.：折扣-UCB。In:第二届Pascal-Challenge研讨会（2006年）·Zbl 1084.68543号
[39] Grigoriadis，M.D.，Khachiyan，L.G.：矩阵游戏的次线性时间随机近似算法。操作。Res.Lett公司。18(2), 53-58 (1995) ·Zbl 0857.90144号 ·doi:10.1016/0167-6377（95）00032-0
[40] St-Pierre，D.L.，Liu，J.：差分进化算法应用于非平稳土匪问题。在：IEEE进化计算大会（IEEE CEC），中国北京（2014）
[41] Storn，R.，Price，K.：差分进化：一种简单有效的启发式算法，用于连续空间上的全局优化。J.全球。最佳方案。11(4), 341-359 (1997) ·Zbl 0888.90135号 ·doi:10.1023/A:1008202821328
[42] 库洛姆，R.：Clop：噪声黑盒参数调整的自信局部优化。摘自：《电脑游戏的进展》，第146-157页。施普林格，柏林-海德堡（2012）
[43] Weinstein，A.，Littman，M.L.：连续动作马尔可夫决策过程中基于带宽的规划和学习。收录：第二十二届国际自动规划与调度会议记录，2012年6月25日至19日，巴西圣保罗阿提巴亚，ICAPS 2012·Zbl 0888.90135号
[44] Couetoux，A.：连续和随机序列决策问题的蒙特卡罗树搜索。巴黎南方大学论文-巴黎十一（2013）
[45] Liu，J.，Teytaud，O.：元在线学习：关于单位承诺问题的实验。参加：欧洲人工神经网络、计算智能和机器学习研讨会（2014年）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，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。