Per Instance Algorithm Configuration for Continuous Black Box Optimization

Nacim Belkhir 1
1 TAU - TAckling the Underspeficied
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
Résumé : Cette thèse porte sur la configurationAutomatisée des algorithmes qui vise à trouver le meilleur paramétrage à un problème donné ou une catégorie deproblèmes.Le problème de configuration de l'algorithme revient doncà un problème de métaFoptimisation dans l'espace desparamètres, dont le métaFobjectif est la mesure deperformance de l’algorithme donné avec une configuration de paramètres donnée.Des approches plus récentes reposent sur une description des problèmes et ont pour but d’apprendre la relationentre l’espace des caractéristiques des problèmes etl’espace des configurations de l’algorithme à paramétrer.Cette thèse de doctorat porter le CAPI (Configurationd'Algorithme Par Instance) pour résoudre des problèmesd'optimisation de boîte noire continus, où seul un budgetlimité d'évaluations de fonctions est disponible. Nous étudions d'abord' les algorithmes évolutionnairesPour l'optimisation continue, en mettant l'accent sur deux algorithmes que nous avons utilisés comme algorithmecible pour CAPI,DE et CMAFES.Ensuite, nous passons en revue l'état de l'art desapproches de configuration d'algorithme, et lesdifférentes fonctionnalités qui ont été proposées dansla littérature pour décrire les problèmesd'optimisation de boîte noire continue.Nous introduisons ensuite une méthodologie générale Pour étudier empiriquement le CAPI pour le domainecontinu, de sorte que toutes les composantes du CAPIpuissent être explorées dans des conditions réelles.À cette fin, nous introduisons également un nouveau Banc d'essai de boîte noire continue, distinct ducélèbre benchmark BBOB, qui est composé deplusieurs fonctions de test multidimensionnelles avec'différentes propriétés problématiques, issues de lalittérature.La méthodologie proposée est finalement appliquée 'àdeux AES. La méthodologie est ainsi, validéempiriquement sur le nouveau banc d’essaid’optimisation boîte noire pour des dimensions allant jusqu’à 100.
Liste complète des métadonnées

Littérature citée [334 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/tel-01669527
Contributeur : Abes Star <>
Soumis le : lundi 19 février 2018 - 13:29:07
Dernière modification le : jeudi 5 avril 2018 - 12:30:26

Fichier

75926_BELKHIR_2017_diffusion.p...
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : tel-01669527, version 2

Citation

Nacim Belkhir. Per Instance Algorithm Configuration for Continuous Black Box Optimization. Artificial Intelligence [cs.AI]. Université Paris-Saclay, 2017. English. 〈NNT : 2017SACLS455〉. 〈tel-01669527v2〉

Partager

Métriques

Consultations de la notice

256

Téléchargements de fichiers

125