On the huge benefit of quasi-random mutations for multimodal optimization with application to grid-based tuning of neurocontrollers

Guillaume Chaslot 1 Jean-Baptiste Hoock 2 Fabien Teytaud 2, 3, 4 Olivier Teytaud 2, 3, 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
3 TANC - Algorithmic number theory for cryptology
LIX - Laboratoire d'informatique de l'École polytechnique [Palaiseau], Inria Saclay - Ile de France, X - École polytechnique, CNRS - Centre National de la Recherche Scientifique : UMR7161
Abstract : In this paper, we study the optimization of a neural network used for controlling a Monte-Carlo Tree Search (MCTS/UCT) algorithm. The main results are: (i) the specification of a new multimodal benchmark function; this function has been defined in particular in agreement with [1] which has pointed out that most multimodal functions are not satisfactory for some real-world multimodal scenarios (section 2); (ii) experimentation of Evolution Strategies on this new multimodal benchmark function, showing the great efficiency of quasi-random mutations in this framework (section 3); (iii) the proof-of-concept of the application of ES for grid-based tuning Neural Networks for controlling MCTS/UCT (see section 3).
Type de document :
Communication dans un congrès
ESANN, Apr 2009, Bruges, Belgium. 2009
Liste complète des métadonnées

Littérature citée [23 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00380125
Contributeur : Fabien Teytaud <>
Soumis le : jeudi 30 avril 2009 - 09:00:21
Dernière modification le : jeudi 10 mai 2018 - 02:06:28
Document(s) archivé(s) le : jeudi 10 juin 2010 - 18:51:53

Fichier

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

Identifiants

  • HAL Id : inria-00380125, version 1

Collections

Citation

Guillaume Chaslot, Jean-Baptiste Hoock, Fabien Teytaud, Olivier Teytaud. On the huge benefit of quasi-random mutations for multimodal optimization with application to grid-based tuning of neurocontrollers. ESANN, Apr 2009, Bruges, Belgium. 2009. 〈inria-00380125〉

Partager

Métriques

Consultations de la notice

566

Téléchargements de fichiers

453