基于优化算法竞赛场景的改进data_profile技术

雩风三日

基于优化算法竞赛场景的改进data_profile技术
5 x! j9 _9 D2 G( k
       数值比较是评估最优化算法特别是全局优化算法必不可少的手段，通常利用已知全局最优值的测试函数集来对优化算法进行性能评估。Data profile技术是用于比较确定性最优化算法的一种数据分析技术，最近被推广到随机优化算法的数值比较中。但data  profile技术存在一个不良性质，得到的profile曲线会随着参与比较的优化算法的不同而改变。这一“传递无效性”缺陷不利于普通用户对该技术的认识和使用。分析表明，导致“传递无效性”的根源在于data profile的“收敛条件”定义，笔者提出的新“收敛条件”可以消除该缺陷，条件是需要用到目标函数的全局最优值，因而适用于最优值已知的众多优化算法竞赛场景。大量数值实验表明，改进的data profile技术消除了“传递无效性”缺陷，有利于不同算法竞赛之间结果的相互验证和推广使用。
6 W3 U) D% Y) U8 O; ~
' E/ v- j' o7 r2 V. v7 h7 _关键词:最优化算法;数值比较;data profile技术;算法竞赛

1 M& j1 d+ ]: U! O! ?9 d" _! f7 G& g
- b7 E; U3 ~8 T% h0 ~, ~$ U8 \
# f8 M7 M* i% P# n9 ~4 Z