A new class of test functions for black box optimization is introduced. Affine OneMax (AOM) functions are defined as compositions of OneMax and invertible affine maps on bit vectors. The black box complexity of the class is upper bounded by a polynomial of large degree in the dimension. The proof relies on discrete Fourier analysis and the Kushilevitz-Mansour algorithm. Tunable complexity is achieved by expressing invertible linear maps as finite products of transvections. The black box complexity of sub-classes of AOM functions is studied. Finally, experimental results are given to illustrate the performance of search algorithms on AOM functions.


翻译:引入了黑盒优化的新测试功能类别。 Affine OneMax(AOM) 函数的定义是: OneMax 的构成和位矢量上的不可倒置的离子形形形形形形形形形形形形形色色图的构成。 等级的黑盒复杂程度在维度上被一个多面形形形形形形形形形色色体的上层框复杂程度。 证据依赖于离散的 Fourier 分析和 Kushilevitz-Mansour 算法。 将不可倒置的线形图作为穿透的有限产品来表达, 实现可图的复杂性。 正在研究 AOM 函数亚类的黑盒复杂程度。 最后, 实验结果用来说明对 AOM 函数的搜索算法的性。

0
下载
关闭预览

相关内容

专知会员服务
77+阅读 · 2021年3月16日
【Twitter】时序图神经网络
专知会员服务
94+阅读 · 2020年10月15日
专知会员服务
162+阅读 · 2020年1月16日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
已删除
将门创投
7+阅读 · 2020年3月13日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年8月10日
Arxiv
1+阅读 · 2021年8月10日
HaarPooling: Graph Pooling with Compressive Haar Basis
Arxiv
3+阅读 · 2014年10月9日
VIP会员
相关资讯
已删除
将门创投
7+阅读 · 2020年3月13日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员