Dec, 2022

Prasatul Matrix：一种用于分析进化优化算法的直接对比方法

PDF
TL;DR该论文提出一种直接比较演化优化算法性能的方法，通过构建名为 Prasatul Matrix 的直接比较矩阵和五种性能评估指标，既可以比较多个算法的性能，也能评估每个算法的优化和可比性解决方案，同时使用 Wilcoxon 配对秩和检验来验证该方法的结果。
evolutionary optimization algorithmsperformance comparisondirect comparison approachprasatul matrixnon-parametric statistical analysis
发现论文，激发创造
  • Prayatul Matrix：直接对比评估监督机器学习模型性能的方法

    该论文通过引入一种直接比较个别数据集实例的监督机器学习模型方法，即 Prayatul 矩阵，提出了 5 种性能度量，以比较四种分类技术和四种常见的深度学习模型在多个数据集上的性能表现，结果表明新设计的度量能够在比较 ML 算法方面提供更多的洞察力，这是目前的混淆矩阵和准确性等现有指标所无法实现的。

    Sep, 2022

  • 对比集合操纵稳定的多重比较基准评估方法

    本文章介绍了一个新的基于配对比较的方法来呈现基准测试的结果，并排除了现有方法中对实验结果进行意外或有意动态的可能性。

    May, 2023

  • 一种基于严重程度原则的针对随机优化算法性能分析的新型排名方案

    提出了一种新的排名方案，利用基于鲁棒的自助法假设检验程序对多个单目标优化问题的算法进行排名，并考虑了算法的性能改进的大小和实际相关性，与传统假设检验相比，提出的排名方案具有可比性和许多额外的好处。

    May, 2024

  • 比较优化算法的最佳实践

    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

  • 通过遗传编程演化基准函数比较进化算法

    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

  • 在线矩阵预测的近优算法

    通过解析关于在线预测问题的与矩阵相关的比较类，提出了一种 (beta,tau)-decomposability 的性质，进而导出了一个有效的在线学习算法，证明了其对所有 (beta,tau)- 可分解矩阵的问题都有较优的 regret 界限，并对三个问题得出了更佳的 regret 界限和下界。

    Mar, 2012

  • 协方差矩阵适应 MAP 退火

    CMA-MAE solves limitations encountered by QD algorithms by exploring flat objectives and improving performance for low-resolution archives, achieving state-of-the-art performance through its focus on quality diversity and objective exploration.

    May, 2022

  • 使用全局敏感性分析方法评估进化算法超参数的排名和有效性

    本文采用 Morris LHS、Morris 和 Sobol 三种灵敏度分析方法，系统分析协方差矩阵适应进化策略、差分进化、非支配排序遗传算法 III 和基于分解的多目标进化算法的可调超参数对性能指标的直接和相互作用影响，探究了超参数对采样方法和性能指标的行为，提出了它们之间的作用方式和排序建议。该研究结果可用于调整算法的超参数，以达到更为稳定的性能。

    Jul, 2022

  • 建立一种适用于成对比较方法的领导者

    两个算法可以用于发起决策方法中两个被选备选方案的权重相等化的操纵攻击，在使用蒙特卡洛模拟的理论研究中展示了偏好矩阵的大小、不一致度和操纵的易程度之间的关系。

    Mar, 2024

  • 一个用于比较图形的新空间

    本文提出了一种基于协方差矩阵的图形表示方法，并定义了相似度测量方法，可用于社交网络的分类，同时该方法的计算效率高，可用于大规模实践，并对截断幂次迭代的研究提供了理论和实证支持。

    Apr, 2014