随机搜索启发式的无限预算分析
神经与进化计算
2019-11-11 v2 最优化与控制
摘要
各类随机搜索启发式的性能分析是一个迅速增长和发展的领域。运行时间和解质量是衡量这些算法性能的两个常用指标。本文的关注点是优化启发式所达到的解质量，而非达到该目标所需的时间，这使其与运行时间分析大相径庭。我们通过引入一种称为无限预算分析的新分析框架来推动其进一步发展，以推导任意计算步数后的期望适应度值。它根植于最近引入的近似误差分析，并与固定预算分析有某些相似之处。我们提出了该框架，将其应用于简单的基于变异的算法，涵盖局部和全局搜索。我们给出了若干伪布尔函数在无限预算分析下的解析结果，并将其与在相同算法和函数下于固定预算框架中推导的结果进行比较。还有实验结果表明，将两个不同框架中获得的界与实际观测性能进行了比较。研究表明，无限预算分析可能导出与固定预算相同或更一般的估计。
引用
@article{arxiv.1909.03342,
title = {Unlimited Budget Analysis of Randomised Search Heuristics},
author = {Jun He and Thomas Jansen and Christine Zarges},
journal= {arXiv preprint arXiv:1909.03342},
year = {2019}
}