我们距离最优的自适应差分进化算法还有多远
神经与进化计算
2020-10-05 v1
摘要
我们考量一个（近乎）最优的参数自适应过程对于自适应差分进化（DE）可能如何表现，并将这一近似最优过程的行为与性能同现有的DE自适应机制进行比较。最优参数自适应过程是用于分析自适应DE以及其他自适应进化算法中参数自适应方法的有用概念，但通常无法获知。因此，我们提出一种贪婪近似预言方法（GAO）来近似最优参数自适应过程。我们将带有GAO的DE算法GAODE与典型的自适应DE在六个基准函数及BBOB基准上进行比较，表明GAO可用于（1）探究自适应DE性能上存在的改进空间，（2）为开发未来有效的自适应DE参数自适应方法提供线索。
引用
@article{arxiv.2010.01032,
title = {How Far Are We From an Optimal, Adaptive DE?},
author = {Ryoji Tanabe and Alex Fukunaga},
journal= {arXiv preprint arXiv:2010.01032},
year = {2020}
}
备注
This is an accepted version of a paper published in the proceedings of PPSN 2016