Titre :

Benchmarking RM-MEDA on the Bi-objective BBOB-2016 Test Suite

Auteur(s) :

Auger, Anne [Auteur]
Machine Learning and Optimisation [TAO]
Brockhoff, Dimo [Auteur]
Parallel Cooperative Multi-criteria Optimization [DOLPHIN]
Hansen, Nikolaus [Auteur]
Machine Learning and Optimisation [TAO]
Tušar, Dejan [Auteur]
Parallel Cooperative Multi-criteria Optimization [DOLPHIN]
Tušar, Tea [Auteur]
Parallel Cooperative Multi-criteria Optimization [DOLPHIN]
Wagner, Tobias [Auteur]
Technische Universität Dortmund [Dortmund] [TU]

Titre de la manifestation scientifique :

GECCO 2016 - Genetic and Evolutionary Computation Conference

Ville :

Denver, CO

Pays :

Etats-Unis d'Amérique

Date de début de la manifestation scientifique :

2016-07-20

Titre de l’ouvrage :

GECCO '16 Companion Proceedings of the 2016 on Genetic and Evolutionary Computation Conference Companion

Éditeur :

ACM

Mot(s)-clé(s) en anglais :

Black-box optimization
Bi-objective optimization
Benchmarking

Discipline(s) HAL :

Informatique [cs]/Réseau de neurones [cs.NE]
Mathématiques [math]/Optimisation et contrôle [math.OC]

Résumé en anglais : [en]

In this paper, we benchmark the Regularity Model-Based Multiobjective Estimation of Distribution Algorithm (RM-MEDA) of Zhang et al. on the bi-objective bbob-biobj test suite of the Comparing Continuous Optimizers (COCO) ...
Lire la suite >In this paper, we benchmark the Regularity Model-Based Multiobjective Estimation of Distribution Algorithm (RM-MEDA) of Zhang et al. on the bi-objective bbob-biobj test suite of the Comparing Continuous Optimizers (COCO) platform. It turns out that, starting from about 200 times dimension many function evaluations, RM-MEDA shows a linear increase in the solved hypervolume-based target values with time until a stagnation of the performance occurs rather quickly on all problems. The final percentage of solved hy-pervolume targets seems to decrease with the problem dimension .Lire moins >

Langue :

Anglais

Comité de lecture :

Oui

Audience :

Internationale

Vulgarisation :

Non

Projet ANR :

Analyse, Amelioration, Evaluation d'algorithmes numériques pour l'optimisation boîte-noire

Collections :

• Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189

Source :

Harvested from HAL