Evolutionary Optimization of Low-Discrepancy Sequences

François-Michel De Rainville 1 Christian Gagné 1 Olivier Teytaud 2, 3 Denis Laurendeau 4
2 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
Abstract : Low-discrepancy sequences provide a way to generate quasi-random numbers of high dimensionality with a very high level of uniformity. The nearly orthogonal Latin hypercube and the generalized Halton sequence are two pop- ular methods when it comes to generate low-discrepancy sequences. In this article, we propose to use evolutionary algorithms in order to nd optimized solutions to the combinatorial problem of con guring generators of these se- quences. Experimental results show that the optimized sequence generators behave at least as well as generators from the literature for the Halton sequence and signi cantly better for the nearly orthogonal Latin hypercube.
Type de document :
Article dans une revue
ACM Transactions on Modeling and Computer Simulation, Association for Computing Machinery, 2012, 22 (2), pp.9:1-9:25
Liste complète des métadonnées

Littérature citée [49 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-00758158
Contributeur : Olivier Teytaud <>
Soumis le : jeudi 29 novembre 2012 - 11:52:34
Dernière modification le : jeudi 5 avril 2018 - 12:30:12
Document(s) archivé(s) le : samedi 17 décembre 2016 - 16:12:14

Fichier

tomacs.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00758158, version 1

Collections

Citation

François-Michel De Rainville, Christian Gagné, Olivier Teytaud, Denis Laurendeau. Evolutionary Optimization of Low-Discrepancy Sequences. ACM Transactions on Modeling and Computer Simulation, Association for Computing Machinery, 2012, 22 (2), pp.9:1-9:25. 〈hal-00758158〉

Partager

Métriques

Consultations de la notice

396

Téléchargements de fichiers

284