Why one must use reweighting in Estimation Of Distribution Algorithms

Fabien Teytaud 1, 2 Olivier Teytaud 3, 4, 5
3 TANC - Algorithmic number theory for cryptology
LIX - Laboratoire d'informatique de l'École polytechnique [Palaiseau], Inria Saclay - Ile de France, Polytechnique - X, CNRS - Centre National de la Recherche Scientifique : UMR7161
5 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 : We study the update of the distribution in Estimation of Distribution Algorithms, and show that a simple modification leads to unbiased estimates of the optimum. The simple modification (based on a proper reweighting of estimates) leads to a strongly improved behavior in front of premature convergence.
Type de document :
Communication dans un congrès
GECCO, 2009, Montréal, Canada. 2009
Liste complète des métadonnées

Littérature citée [22 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00369780
Contributeur : Olivier Teytaud <>
Soumis le : samedi 21 mars 2009 - 08:51:33
Dernière modification le : jeudi 11 janvier 2018 - 06:22:14
Document(s) archivé(s) le : jeudi 10 juin 2010 - 17:57:17

Fichier

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

Identifiants

  • HAL Id : inria-00369780, version 1

Citation

Fabien Teytaud, Olivier Teytaud. Why one must use reweighting in Estimation Of Distribution Algorithms. GECCO, 2009, Montréal, Canada. 2009. 〈inria-00369780〉

Partager

Métriques

Consultations de la notice

280

Téléchargements de fichiers

262