cGA 在跳跃函数上运行时间的指数下界
神经与进化计算
2019-06-26 v2 人工智能
数据结构与算法
摘要
在针对多模态跳跃函数类的分布估计算法（EDA）的首次运行时间分析中，Hasenöhrl 与 Sutton（GECCO 2018）证明了：若跳跃尺寸至多为（维度的）对数级，则具有合适参数选择的紧致遗传算法（cGA）在跳跃函数上的运行时间以高概率至多为多项式（关于维度）；若跳跃尺寸为超对数级，则运行时间至多为关于跳跃尺寸的指数。该指数级运行时间保证是通过一个同样关于跳跃尺寸为指数的假设种群规模实现的。因此，该设定无法带来更优的运行时间。在本文中，我们证明任意假设种群规模的选择都会导致运行时间以高概率至少为关于跳跃尺寸的指数。该结果可能是首个对任意参数设置均成立的非平凡 EDA 指数下界。
引用
@article{arxiv.1904.08415,
title = {An Exponential Lower Bound for the Runtime of the cGA on Jump Functions},
author = {Benjamin Doerr},
journal= {arXiv preprint arXiv:1904.08415},
year = {2019}
}
备注
To appear in the Proceedings of FOGA 2019. arXiv admin note: text overlap with arXiv:1903.10983