计算机科学 > 人工智能
[提交于 2024年5月31日
]
标题: 基于严重性原理的随机优化算法性能分析的新排名方案
标题: A Novel Ranking Scheme for the Performance Analysis of Stochastic Optimization Algorithms using the Principles of Severity
摘要: 随机优化算法已被成功应用于多个领域以找到最优解。 由于集成系统的复杂性不断增加,正在提出新的随机算法,这使得对算法性能分析的任务变得极其重要。 在本文中,我们提供了一种新的排序方案,用于对多个单目标优化问题中的算法进行排序。 使用基于稳健引导的假设检验程序来比较算法的结果,该程序基于严重性原则。 类似于足球联赛的计分方案,我们提出了算法之间的两两比较,如同联赛竞争一样。 每个算法积累分数,并有一个性能指标,用以衡量其与其他算法相比表现的好坏,类似于足球联赛计分系统中的净胜球指标。 净胜球性能指标不仅可以作为平局决胜的依据,还可以用来获得每个算法的定量性能。 所提出的排序方案的关键创新之处在于,它考虑了每个算法的性能,同时考虑到实现的性能改进幅度及其实际相关性,并且没有任何分布假设。 所提出的排序方案与经典假设检验进行了比较,分析结果表明结果相当,而我们提出的排序方案展示了诸多额外的优势。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.