中文

(1+1) EA在具有调度与自适应变异率下的线性隐子集问题

分布式、并行与集群计算 2018-08-22 v2

摘要

我们研究无偏 (1+1)(1+1) 进化算法在具有未知数量 nn 个非零权重比特的线性函数上的表现。静态算法实现了 O(n(lnn)2+ϵ)O(n (\ln n)^{2+\epsilon}) 的最优运行时间,然而,更动态的参数策略是否能产生更好的运行时间保证仍不清楚。我们考虑两种设置:一种是变异率遵循固定调度,另一种是可依据运行历史进行自适应调整。对于第一种设置,我们给出了一个实现 (1±o(1))βnlnn(1\pm o(1))\beta n \ln n 运行时间的调度,其中 β3.552\beta \approx 3.552,这是相对于静态设置运行时间的渐近改进。此外,我们证明没有任何调度能给出更好的运行时间保证,且最优调度本质上是唯一的。对于第二种设置,我们表明运行时间可进一步改进到 (1±o(1))enlnn(1\pm o(1)) e n \ln n,这与预先知道 nn 的算法性能相匹配。最后,我们研究了具有静态位置依赖变异率的初始段不确定性相关模型,并推导了渐近最优下界。这回答了Doerr、Doerr和K\"otzing的一个问题。

关键词

引用

@article{arxiv.1808.05567,
  title  = {Anatomy Of High-Performance Deep Learning Convolutions On SIMD Architectures},
  author = {Evangelos Georganas and Sasikanth Avancha and Kunal Banerjee and Dhiraj Kalamkar and Greg Henry and Hans Pabst and Alexander Heinecke},
  journal= {arXiv preprint arXiv:1808.05567},
  year   = {2018}
}

备注

Accepted to SC18