快速扰动式算法配置器
神经与进化计算
2020-07-08 v1
摘要
近期工作表明，ParamRLS和ParamILS算法配置器可以在参数空间大小的线性期望时间内为一些标准基准函数调优简单的随机搜索启发式算法。本文中，我们证明了ParamRLS、ParamILS以及更大类算法配置器在优化任意参数调优问题上的期望时间下界为线性。我们提出了一种用于扰动式算法配置器的调和变异算子，该算子可证明地在单峰和近似单峰（即非光滑、崎岖但具有朝向最优点的潜在梯度）参数空间内以多对数时间调优单参数算法。它适合作通用算子，因为即使在最坏情形（例如欺骗性）地形上，它也仅比ParamRLS和ParamILS使用的默认算子慢至多一个对数因子。实验分析证实了该方法在若干配置场景（包括涉及多于一个参数的场景）中的实际优越性。
引用
@article{arxiv.2007.03336,
title = {Fast Perturbative Algorithm Configurators},
author = {George T. Hall and Pietro Simone Oliveto and Dirk Sudholt},
journal= {arXiv preprint arXiv:2007.03336},
year = {2020}
}
备注
To appear at PPSN 2020