基于种群增量学习算法的水平集分析
神经与进化计算
2018-06-06 v1
摘要
基于种群的增量学习（PBIL）算法使用当前模型与经验模型的凸组合来构造下一模型，随后对该模型采样以生成后代。单变量边缘分布算法（UMDA）是 PBIL 的特例，其忽略当前模型。Dang 与 Lehre（GECCO 2015）表明 UMDA 可高效优化 LeadingOnes。PBIL 是否表现同样良好仍属开放问题。此处，通过应用水平集定理以及 Dvoretzky--Kiefer--Wolfowitz 不等式，我们证明对于种群规模 ，PBIL 在期望时间 内优化函数 LeadingOnes，这与 UMDA 的界一致。最后，我们表明该结果可推广至 BinVal，给出了 PBIL 在 BinVal 问题上的首个运行时间结果。
引用
@article{arxiv.1806.01710,
title = {Level-Based Analysis of the Population-Based Incremental Learning Algorithm},
author = {Per Kristian Lehre and Phan Trung Hai Nguyen},
journal= {arXiv preprint arXiv:1806.01710},
year = {2018}
}
备注
To appear