Core Concepts
차분 진화 알고리즘의 매개변수 제어 방법은 혼합 정수 블랙박스 최적화 문제에서 매우 중요하며, 적절한 매개변수 제어 방법의 선택이 성능에 큰 영향을 미친다.
Abstract
이 논문은 혼합 정수 블랙박스 최적화 벤치마크 함수(bbob-mixint) 집합에서 차분 진화 알고리즘의 매개변수 제어 방법(PCM)을 구성 요소 단위로 벤치마킹한다.
첫째, 돌연변이 전략과 수리 방법의 조합에 따라 가장 좋은 PCM이 크게 달라진다는 것을 보여준다. 수치 블랙박스 최적화에서 SHADE의 PCM이 최신 기술이지만, 혼합 정수 블랙박스 최적화에서는 성능이 좋지 않다. 반면, 일부 단순한 PCM(예: CoDE의 PCM)이 대부분의 경우에서 가장 좋은 성능을 보인다.
둘째, 적절한 PCM을 사용하는 차분 진화 알고리즘이 CMA-ES의 정수 처리 버전보다 더 큰 함수 평가 예산에서 유의미하게 더 좋은 성능을 보인다는 것을 보여준다.
셋째, SHADE의 PCM 적응이 실패하는 방식을 보여준다.
Stats
혼합 정수 블랙박스 최적화 문제에서 차분 진화 알고리즘의 성능은 매개변수 제어 방법(PCM)에 크게 의존한다.
일부 단순한 PCM(예: CoDE의 PCM)이 대부분의 경우에서 가장 좋은 성능을 보인다.
적절한 PCM을 사용하는 차분 진화 알고리즘이 CMA-ES의 정수 처리 버전보다 더 큰 함수 평가 예산에서 유의미하게 더 좋은 성능을 보인다.
SHADE의 PCM은 혼합 정수 블랙박스 최적화 문제에서 성능이 좋지 않다.
Quotes
"차분 진화 알고리즘의 매개변수 제어 방법은 혼합 정수 블랙박스 최적화 문제에서 매우 중요하며, 적절한 매개변수 제어 방법의 선택이 성능에 큰 영향을 미친다."
"일부 단순한 PCM(예: CoDE의 PCM)이 대부분의 경우에서 가장 좋은 성능을 보인다."
"SHADE의 PCM은 혼합 정수 블랙박스 최적화 문제에서 성능이 좋지 않다."