Gaussian EDA and Truncation Selection: Setting Limits for Sustainable Progress

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F08%3A03141310" target="_blank" >RIV/68407700:21230/08:03141310 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Gaussian EDA and Truncation Selection: Setting Limits for Sustainable Progress

Original language description

In real valued estimation of distribution algorithms, the Gaussian distribution is often used along with maximum likelihood (ML) estimation of its parameters. Such a process is highly prone to premature convergence. The simplest method for preventing premature convergence of gaussian distribution is to enlarge the maximum likelihood estimate of standard deviation $sigma$ by a constant factor $k$ each generation. This paper surveys and broadens the theoretical models of the behaviour of this simple EDAon 1D problems and derives the limits for the constant $k$. The behaviour of this simple EDA with various values of $k$ is analysed and the agreement of the model with the reality is confirmed.

Czech name

Gaussovský EDA a selekce odříznutím: hranice pro udržitelný vývoj

Czech description

V EDA (estimation of distribution algorithms) pracujících v reálné oblasti se často používá Gaussovo rozdělení a jeho parametry se odhadují metodou maximální věrohodnosti (ML). Takový proces je velice náchylný k předčasné konvergenci. Nejjednodušší metodou, jak předčasné konvergenci zabránit, je zvětšit ML odhad směrodatné odchylky konstantním faktorem $k$ každou generaci. Tento článek obsahuje popis teoretického modelu chování jednoduchého EDA na 1D problémech, rozšiřuje jej a odvozuje hranice pro konstantu $k$. Následně je analyzováno chování tohoto EDA s různými hodnotami $k$ a je potvrzena shoda modelu se skutečností.

Type

D - Article in proceedings

CEP classification

JC - Computer hardware and software

OECD FORD branch

—

Project

<a href="/en/project/GP102%2F08%2FP094" target="_blank" >GP102/08/P094: Machine learning methods for solution construction in evolutionary algorithms</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2008

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

Distributed Human-Machine Systems

ISBN

978-80-01-04027-0

ISSN

—

e-ISSN

—

Number of pages

6

Pages from-to

—

Publisher name

CTU Publishing House

Place of publication

Praha

Event location

Athens

Event date

Mar 9, 2008

Type of event by nationality

WRD - Celosvětová akce

UT code for WoS article

—