Optimal robust expensive optimization is tractable

Philippe Rolet 1, 2 Michèle Sebag 1, 2 Olivier Teytaud 1, 2
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 : Following a number of recent papers investigating the possibility of optimal comparison-based optimization algorithms for a given distribution of probability on fitness functions, we (i) discuss the comparison-based constraints (ii) choose a setting in which theoretical tight bounds are known (iii) develop a careful implementation using billiard algorithms, Upper Confidence trees and (iv) experimentally test the tractability of the approach. The results, on still very simple cases, show that the approach, yet still preliminary, could be tested successfully until dimension 10 and horizon 50 iterations within a few hours on a standard computer, with convergence rate far better than the best algorithms.
Type de document :
Communication dans un congrès
Gecco 2009, 2009, Montréal, Canada. 8 p., 2009
Liste complète des métadonnées


https://hal.inria.fr/inria-00374910
Contributeur : Olivier Teytaud <>
Soumis le : vendredi 10 avril 2009 - 11:38:16
Dernière modification le : jeudi 9 février 2017 - 15:55:19
Document(s) archivé(s) le : jeudi 10 juin 2010 - 20:17:47

Fichier

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

Identifiants

  • HAL Id : inria-00374910, version 1

Citation

Philippe Rolet, Michèle Sebag, Olivier Teytaud. Optimal robust expensive optimization is tractable. Gecco 2009, 2009, Montréal, Canada. 8 p., 2009. <inria-00374910>

Partager

Métriques

Consultations de
la notice

236

Téléchargements du document

145