Benchmarking the (1+1) Evolution Strategy with One-Fifth Success Rule on the BBOB-2009 Function Testbed

Anne Auger 1, 2
1 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 : In this paper, we benchmark the (1+1) Evolution Strategy (ES) with one-fifth success rule which is one of the first and simplest adaptive search algorithms proposed for optimization. The benchmarking is conducted on the noise-free BBOB-2009 testbed. We implement a restart version of the algorithm and conduct for each run $10^{6}$ times the dimension of the search space function evaluations.
Type de document :
Communication dans un congrès
ACM-GECCO Genetic and Evolutionary Computation Conference, Jul 2009, Montreal, Canada. 2009
Liste complète des métadonnées

Littérature citée [9 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00430515
Contributeur : Anne Auger <>
Soumis le : dimanche 8 novembre 2009 - 13:39:52
Dernière modification le : jeudi 5 avril 2018 - 12:30:12
Document(s) archivé(s) le : jeudi 17 juin 2010 - 19:44:48

Fichier

wk2037-auger.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00430515, version 1

Collections

Citation

Anne Auger. Benchmarking the (1+1) Evolution Strategy with One-Fifth Success Rule on the BBOB-2009 Function Testbed. ACM-GECCO Genetic and Evolutionary Computation Conference, Jul 2009, Montreal, Canada. 2009. 〈inria-00430515〉

Partager

Métriques

Consultations de la notice

1072

Téléchargements de fichiers

1920