Noisy Optimization Complexity Under Locality Assumption

Jérémie Decock 1, 2 Olivier Teytaud 1, 2
1 TAO - Machine Learning and Optimisation
CNRS - Centre National de la Recherche Scientifique : UMR8623, Inria Saclay - Ile de France, UP11 - Université Paris-Sud - Paris 11, 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.
Type de document :
Communication dans un congrès
FOGA - Foundations of Genetic Algorithms XII - 2013, Jan 2013, Adelaide, Australia. 2013
Liste complète des métadonnées

Littérature citée [33 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-00755663
Contributeur : Jérémie Decock <>
Soumis le : dimanche 7 avril 2013 - 01:52:25
Dernière modification le : jeudi 11 janvier 2018 - 06:22:14
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

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〉

Partager

Métriques

Consultations de la notice

430

Téléchargements de fichiers

221