Communication Dans Un Congrès Année : 2009

Bias and variance in continuous EDA

Résumé

Estimation of Distribution Algorithms are based on statistical estimates. We show that when combining classical tools from statistics, namely bias/variance decomposition, reweighting and quasi-randomization, we can strongly improve the convergence rate. All modifications are easy, compliant with most algorithms, and experimentally very efficient in particular in the parallel case (large offsprings).

Fichier principal
Vignette du fichier
decsigma.pdf (195.42 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence
Loading...

Dates et versions

inria-00451416 , version 1 (29-01-2010)

Licence

Identifiants

  • HAL Id : inria-00451416 , version 1

Citer

Fabien Teytaud, Olivier Teytaud. Bias and variance in continuous EDA. EA 09, Oct 2009, Strasbourg, France. ⟨inria-00451416⟩
223 Consultations
522 Téléchargements

Partager

  • More