Noisy Optimization: Convergence with a Fixed Number of Resamplings

Marie-Liesse Cauwet 1, *
* Auteur correspondant
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 : It is known that evolution strategies in continuous domains might not converge in the presence of noise. It is also known that, under mild assumptions, and using an increasing number of resamplings, one can mitigate the effect of additive noise and recover convergence. We show new sufficient conditions for the convergence of an evolutionary algorithm with constant number of resamplings; in particular, we get fast rates (log-linear convergence) provided that the variance decreases around the optimum slightly faster than in the so-called multiplicative noise model.
Type de document :
Communication dans un congrès
EvoStar, Apr 2014, Granada, Spain. 2014
Liste complète des métadonnées

Littérature citée [18 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-00976063
Contributeur : Marie-Liesse Cauwet <>
Soumis le : mercredi 9 avril 2014 - 15:35:22
Dernière modification le : jeudi 5 avril 2018 - 12:30:12
Document(s) archivé(s) le : mercredi 9 juillet 2014 - 12:35:58

Fichiers

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

Identifiants

  • HAL Id : hal-00976063, version 1
  • ARXIV : 1404.2553

Collections

Citation

Marie-Liesse Cauwet. Noisy Optimization: Convergence with a Fixed Number of Resamplings. EvoStar, Apr 2014, Granada, Spain. 2014. 〈hal-00976063〉

Partager

Métriques

Consultations de la notice

425

Téléchargements de fichiers

200