Progress Rate in Noisy Genetic Programming for Choosing λ

Jean-Baptiste Hoock 1, 2 Olivier Teytaud 1, 2, 3
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 : Recently, it has been proposed to use Bernstein races for implementing non-regression testing in noisy genetic programming. We study the population size of such a (1+λ) evolutionary algorithm applied to a noisy fitness function optimization by a progress rate analysis and experiment it on a policy search application.
Type de document :
Communication dans un congrès
Artificial Evolution, Oct 2011, Angers, France. 2011
Liste complète des métadonnées

Littérature citée [12 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00622150
Contributeur : Jean-Baptiste Hoock <>
Soumis le : lundi 12 septembre 2011 - 09:33:10
Dernière modification le : jeudi 5 avril 2018 - 12:30:12
Document(s) archivé(s) le : mardi 13 novembre 2012 - 10:21:16

Fichier

ea2011.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00622150, version 1

Collections

Citation

Jean-Baptiste Hoock, Olivier Teytaud. Progress Rate in Noisy Genetic Programming for Choosing λ. Artificial Evolution, Oct 2011, Angers, France. 2011. 〈inria-00622150〉

Partager

Métriques

Consultations de la notice

216

Téléchargements de fichiers

127