综述 300 多个用于评估优化和元启发式算法的基准函数,列出了最常用的 25 个函数,并提出了两个新颖、高维、动态且具有挑战性的函数用于测试新算法,同时指出了当前基准化方法的不足之处,并提出了未来研究的方向。
Jun, 2024
该论文提出了一种新的组合现有单目标问题的方法,构建具有多目标的测试问题套件,以更准确地评估多目标优化算法的性能,同时揭示了确定性和随机求解器之间比较性能的重要性。
Apr, 2016
本研究介绍了十个具有不同特性(包括噪声、不连续性、参数估计和未知路径)的新基准,用于测试新优化算法及其变种以评估其性能。
Aug, 2023
该研究提出了性能控制图的概念作为一个用于对比和测试软件优化效果的工具,并展示了性能控制图相比其他性能评估工具拥有更好的特点。
Feb, 2001
利用遗传规划(GP)生成新的优化基准函数,通过利用 Wasserstein 距离和 MAP-Elites 方法,我们展示 GP 生成的基准函数能够更好地区分算法,并自动设计、比较进化算法。
Mar, 2024
提供一个包括 16 个实际边界约束的多目标优化问题的集合,其中有 4 个混合整数优化问题,它们可以用来评估进化多目标优化算法的性能,并提供了 Java、C 和 Matlab 的源代码,同时提供了 8 个约束多目标实际问题。
Sep, 2020
本文系统地回顾了优化算法基准测试的过程,并讨论了公正比较的挑战。我们提供了每个步骤的建议并强调了评估优化算法性能时要避免的陷阱。我们还讨论了各种报告基准测试结果的方法。最后,提出了一些未来研究的建议以改进当前的基准测试过程。
Sep, 2017
本文提出了两个度量贝叶斯优化方法性能的分类机制,并通过测试函数模仿超参数优化问题,解决特定性质的函数,如振荡行为或域边界最优。
Mar, 2016
我们提出了一个基于多个标准和各种测试函数来评估优化器的基准测试框架,利用一种新近引入的免联盟通用深度函数,充分利用次序信息,允许不可比较性,描述了所有部分次序的分布,避免了聚合的明显缺陷,可以识别产生优化器的核心或异常排名的测试函数,并评估基准测试套件的质量。
Feb, 2024
通过研究不具有假局部最小值 (即不是全局最小值的局部最小值) 的连续函数集,即全局函数,以分析非凸、非光滑优化问题,并证明了一些张量分解问题可以被视为全局函数,并提供了广泛使用的 $l_1$ 范数用于避免非凸优化点的理论保证。
May, 2018