关于 ℝ^p 中多游走无删截首次通过时间性能实验：一种新随机优化算法
人工智能
2018-12-10 v1
摘要
当其中一个求解器是一种新算法的原型（如多游走（MWA））时，对两种随机求解器进行严格的实证比较十分重要。在 ℝ^p 中搜索全局最小值时，MWA 的关键数据结构包括：p 把标尺，每把标尺分配 m 个标记，以及一组大小至多为 m(m-2) 的 p 个邻域矩阵，其中每个条目表示 m 个标记之间两两差值的绝对值。在采取下一步之前，一个控制器连接邻域矩阵表并计算出 m 个标记各自新的、改进的位置。每个邻域矩阵中的列数记为邻域半径 r_n ≤ m-2。任何 DEA（差分进化算法）的变体的有效种群邻域半径都不大于 1。因此，改变 MW 求解器邻域半径的无删截首次通过时间性能实验可以很容易地与现有的 DE 求解器变体进行比较。本文考虑了七个复杂度递增的测试用例，并在无删截首次通过时间性能实验中证明：(1) 七种基于 DE 的求解器配置在收敛速率上存在显著变异性；(2) 随着邻域半径从 4 增加到其最大值，MW 求解器原型的收敛速率一致、单调且显著更快。
引用
@article{arxiv.1812.03075,
title = {On Uncensored Mean First-Passage-Time Performance Experiments with Multiwalk in $\mathbb{R}^p$: a New Stochastic Optimization Algorithm},
author = {Franc Brglez},
journal= {arXiv preprint arXiv:1812.03075},
year = {2018}
}
备注
8 pages, 5 figures. Invited talk, IEEE Proc. 7th Int. Conf. on Reliability, InfoCom Technologies and Optimization (ICRITO'2018); Aug. 29--31, 2018, Amity University, Noida, India, 2018