Optimizing Low-Discrepancy Sequences with an Evolutionary Algorithm

François-Michel De Rainville 1 Christian Gagné 1 Olivier Teytaud 2, 3, 4 Denis Laurendeau 1
1 GEL-GIF - Département de génie électrique et de génie informatique
2 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
3 LRI - Laboratoire de Recherche en Informatique
4 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 : Many elds rely on some stochastic sampling of a given com- plex space. Low-discrepancy sequences are methods aim- ing at producing samples with better space-lling properties than uniformly distributed random numbers, hence allow- ing a more ecient sampling of that space. State-of-the-art methods like nearly orthogonal Latin hypercubes and scram- bled Halton sequences are congured by permutations of in- ternal parameters, where permutations are commonly done randomly. This paper proposes the use of evolutionary al- gorithms to evolve these permutations, in order to optimize a discrepancy measure. Results show that an evolution- ary method is able to generate low-discrepancy sequences of signicantly better space-lling properties compared to sequences congured with purely random permutations.
Type de document :
Communication dans un congrès
Genetic and Evolutionary Computation Conference, 2009, Montréal, Canada. ACM, 8 p., 2009
Liste complète des métadonnées

Littérature citée [22 références]  Voir  Masquer  Télécharger
https://hal.inria.fr/inria-00386475
Contributeur : Olivier Teytaud <>
Soumis le : jeudi 21 mai 2009 - 22:15:49
Dernière modification le : jeudi 10 mai 2018 - 02:06:26
Document(s) archivé(s) le : lundi 15 octobre 2012 - 10:51:22

Fichier

NOLH-GA.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00386475, version 1

Collections

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

Citation

François-Michel De Rainville, Christian Gagné, Olivier Teytaud, Denis Laurendeau. Optimizing Low-Discrepancy Sequences with an Evolutionary Algorithm. Genetic and Evolutionary Computation Conference, 2009, Montréal, Canada. ACM, 8 p., 2009. 〈inria-00386475〉

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

408

Téléchargements de fichiers

157

Contact


archive-ouverte@inria.fr