基于参数范围动态离散化强化学习的进化算法自适应参数选择
神经与进化计算
2016-03-23 v1
摘要
进化算法的在线参数控制器在进化算法运行过程中调整参数值。最近，Karafotias 等人提出了一种基于强化学习的高效参数控制器。该方法在运行前将参数范围离散为若干区间。然而，在运行过程中执行自适应离散化可能会提高进化算法的效率。Aleti 等人提出了另一种带自适应离散化的高效控制器。本文中，我们提出一种基于强化学习且带自适应离散化的参数控制器。所提出的控制器在不同进化算法配置下的若干测试问题上与现有参数调整方法进行了比较。对于测试问题，我们考虑了四个连续函数，即球面函数、Rosenbrock 函数、Levi 函数和 Rastrigin 函数。结果表明，新控制器在大多数所考虑的测试问题上优于其他控制器。
引用
@article{arxiv.1603.06788,
title = {Adaptive Parameter Selection in Evolutionary Algorithms by Reinforcement Learning with Dynamic Discretization of Parameter Range},
author = {Arkady Rost and Irina Petrova and Arina Buzdalova},
journal= {arXiv preprint arXiv:1603.06788},
year = {2016}
}
备注
this is a full version of a paper which has been accepted as a poster to GECCO conference 2016