TPAM：一种基于仿真的参数自适应方法定量分析模型
神经与进化计算
2020-10-06 v1
摘要
尽管已提出大量自适应差分进化（DE）算法，但其参数自适应方法（PAMs）尚未被充分理解。我们提出一种基于目标函数的 PAM 仿真（TPAM）框架，用于评估 PAMs 的跟踪性能。所提出的 TPAM 仿真框架衡量 PAMs 跟踪预定义目标参数的能力，从而实现对 PAMs 自适应行为的定量分析。我们在所提 TPAM 上评估了广泛使用的五种自适应 DE（jDE、EPSDE、JADE、MDE 和 SHADE）的 PAMs 的跟踪性能，并表明 TPAM 能提供关于 PAMs 的重要见解，例如为何 SHADE 的 PAM 优于 JADE 的 PAM，以及 EPSDE 的 PAM 在何种条件下无法完成参数自适应。
引用
@article{arxiv.2010.01877,
title = {TPAM: A Simulation-Based Model for Quantitatively Analyzing Parameter Adaptation Methods},
author = {Ryoji Tanabe and Alex Fukunaga},
journal= {arXiv preprint arXiv:2010.01877},
year = {2020}
}
备注
This is an accepted version of a paper published in the proceedings of GECCO 2017