Why one must use reweighting in Estimation Of Distribution Algorithms

Fabien Teytaud 1, 2 Olivier Teytaud 3, 4, 5
1 INRIA Futurs
2 UP11 UFR Sciences - Université Paris-Sud 11 - Faculté des Sciences
3 TANC - Algorithmic number theory for cryptology
LIX - Laboratoire d'informatique de l'École polytechnique [Palaiseau], Inria Saclay - Ile de France
4 LRI - Laboratoire de Recherche en Informatique
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 7 février 2019 - 15:49:02
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

Collections

INRIA | INSMI | GRID5000 | UMR8623 | LRI-AO | X | LIX | X-LIX | PARISTECH | TDS-MACS | X-DEP-INFO

Citation

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

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

459

Téléchargements de fichiers

316

Contact


archive-ouverte@inria.fr