通过自动算法配置改进Nevergrad的算法选择向导NGOpt
摘要：自动算法选择向导是一种有效且多功能的工具，可以根据问题的高级信息和可用的计算资源（如决策变量的数量和类型、最大评估次数、并行评估的可能性等）自动选择优化算法。最先进的算法选择向导非常复杂且难以改进。本文提出使用自动配置方法来改善其性能，通过找到更好的算法配置来组成它们。具体而言，我们使用优势迭代竞赛（irace）来为具体的人工基准找到CMA配置，以代替Nevergrad平台提供的NGOpt向导中目前使用的手工制作的CMA配置。我们详细讨论了irace的设置，以生成在每个基准中的多元问题实例集合上良好运行的配置。我们的方法改进了NGOpt向导的性能，即使在irace调整范围之外的基准套件上也是如此。
作者：Risto Trajanov, Ana Nikolikj, Gjorgjina Cenikj, Fabien Teytaud, Mathurin Videau, Olivier Teytaud, Tome Eftimov, Manuel L''opez-Ib''a~nez, Carola Doerr
论文ID：2209.04412
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-09-12