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
6 H+ n% X5 u8 j# p" r9 z
  i% o- {- R& \0 A; g       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。
, q9 w6 y/ O: K: g' @+ x
关键词:最优化算法;数值比较;data profile技术;算法竞赛
2 d8 l$ k( V/ z' J6 P
- z8 h/ H3 L- r7 p
0 w9 r# F0 i6 `6 r! `
. {) R: E/ O, _7 {+ O
" p5 Y9 }( \* t6 |  V