连续噪声优化中不同类型Regret的分析
最优化与控制
2016-07-25 v1
摘要
算法性能度量是其分析的关键部分。该性能可通过研究该算法的收敛速率来确定。有必要研究某个（希望收敛的）序列，用以衡量近似最优解相比真实最优解有多“好”。Regret（遗憾）概念在bandit文献中广泛用于评估算法性能。同一概念也用于优化算法框架，有时使用其他名称或没有特定名称。噪声算法收敛速率的数值评估常涉及regret的近似。我们在此讨论实践中用于噪声优化算法评估的两种Simple Regret近似。我们使用不同性质的具体算法和噪声球面函数展示以下结果。在某些优化测试床中使用的Simple Regret近似（此处称为Approximate Simple Regret）未能估计Simple Regret收敛速率。我们还讨论了一种最近的Simple Regret近似，称之为Robust Simple Regret，并展示其优缺点。
引用
@article{arxiv.1607.06651,
title = {Analysis of Different Types of Regret in Continuous Noisy Optimization},
author = {Sandra Astete-Morales and Marie-Liesse Cauwet and Olivier Teytaud},
journal= {arXiv preprint arXiv:1607.06651},
year = {2016}
}
备注
Genetic and Evolutionary Computation Conference 2016, Jul 2016, Denver, United States. 2016