基于 Q-Learning 的自适应结构超参数配置
神经与进化计算
2020-11-24 v1 人工智能
摘要
为进化算法调优超参数是计算智能中的一个重要问题。进化算法的性能不仅取决于其操作策略设计，也取决于其超参数。超参数可从两个维度分类为结构/数值以及时不变/时变。特别地，现有研究中的结构超参数通常针对时不变参数预先调优，或针对时不变参数采用手工设计的调度。本文首次尝试将结构超参数的调优建模为强化学习问题，并采用 Q-learning 对 CEC 2018 冠军算法中控制计算资源分配的结构超参数进行调优。实验结果表明，在 CEC 2018 测试函数上优于该冠军算法。
引用
@article{arxiv.2003.00863,
title = {Adaptive Structural Hyper-Parameter Configuration by Q-Learning},
author = {Haotian Zhang and Jianyong Sun and Zongben Xu},
journal= {arXiv preprint arXiv:2003.00863},
year = {2020}
}