利用自动算法配置进行参数控制
机器学习
2023-08-15 v2 神经与进化计算
摘要
动态算法配置（DAC）致力于以数据驱动的方式自动学习控制算法参数的策略。近年来该问题受到了进化计算领域的相当关注。拥有一个良好的基准集合以深入理解不同 DAC 求解方法的有效性与局限性因而十分必要。继近期提出具有明确理论性质与真值信息的 DAC 基准的工作之后，本文建议将求解 OneMax 问题的 遗传算法中关键参数 的控制作为一个新的 DAC 基准。我们开展了一项研究，探讨如何通过对该基准使用（静态）自动算法配置来解决 DAC 问题，并提出了显著提升该方法性能的技术。我们的方法能够在足够大的问题规模下持续优于由先前理论工作导出的基准默认参数控制策略。我们还展示了关于参数控制搜索策略景观的新发现，并提出了通过该基准真实最优策略的数值近似来计算更强基线的方法。
引用
@article{arxiv.2302.12334,
title = {Using Automated Algorithm Configuration for Parameter Control},
author = {Deyao Chen and Maxim Buzdalov and Carola Doerr and Nguyen Dang},
journal= {arXiv preprint arXiv:2302.12334},
year = {2023}
}
备注
To appear in the Proc. of the ACM/SIGEVO Conference on Foundations of Genetic Algorithms (FOGA XVII)