Noisy Optimization Complexity Under Locality Assumption

Jérémie Decock 1, 2 Olivier Teytaud 1, 2
1 TAO - Machine Learning and Optimisation
LRI - Laboratoire de Recherche en Informatique, UP11 - Université Paris-Sud - Paris 11, Inria Saclay - Ile de France, CNRS - Centre National de la Recherche Scientifique : UMR8623
2 LRI - Laboratoire de Recherche en Informatique
Abstract : In spite of various recent publications on the subject, there are still gaps between upper and lower bounds in evolutionary optimization for noisy objective function. In this paper we reduce the gap, and get tight bounds within logarithmic factors in the case of small noise and no long-distance influence on the objective function.
Keywords : Noisy optimization black box complexity model local sampling
Type de document :
Communication dans un congrès
FOGA - Foundations of Genetic Algorithms XII - 2013, Jan 2013, Adelaide, Australia. 2013
Liste complète des métadonnées

https://hal.inria.fr/hal-00755663
Contributeur : Jérémie Decock <>
Soumis le : dimanche 7 avril 2013 - 01:52:25
Dernière modification le : jeudi 9 février 2017 - 15:53:30
Document(s) archivé(s) le : lundi 8 juillet 2013 - 10:15:08

Fichiers

foga006-decock.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00755663, version 1

Collections

INRIA | INSMI | UMR8623 | LRI-AO | TDS-MACS | CENTRALESUPELEC

Citation

Jérémie Decock, Olivier Teytaud. Noisy Optimization Complexity Under Locality Assumption. FOGA - Foundations of Genetic Algorithms XII - 2013, Jan 2013, Adelaide, Australia. 2013. <hal-00755663>

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de
la notice

405

Téléchargements du document

205

Contact


archive-ouverte@inria.fr