- 在线时间
- 129 小时
- 最后登录
- 2023-8-30
- 注册时间
- 2020-11-26
- 听众数
- 3
- 收听数
- 0
- 能力
- 0 分
- 体力
- 15943 点
- 威望
- 0 点
- 阅读权限
- 255
- 积分
- 4992
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 419
- 主题
- 395
- 精华
- 0
- 分享
- 0
- 好友
- 0
TA的每日心情 | 衰 2021-3-28 15:16 |
---|
签到天数: 25 天 [LV.4]偶尔看看III
 |
基于优化算法竞赛场景的改进data_profile技术1 l( p' o, K* n2 X
7 `. o& L" q& n0 V# k0 ]
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。, |5 |6 W9 E! N: S
* E0 B0 I |' Y# C6 x7 }# T
关键词:最优化算法;数值比较;data profile技术;算法竞赛
& ^* m( [1 T' O* ~: L
* ~ ^8 y/ b" D2 z7 s) M' c# N, Q$ C; r, i2 ~- y0 N0 z; z, E, _
2 W6 F. O- Y" w v: x* u+ D, R
1 ]% E7 q: B5 ` |
zan
|