Reinforcement Learning-Based Automated Design of Differential Evolution Algorithm for Black-Box Optimization

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了一种基于强化学习的差分进化算法自动设计框架,旨在提升黑箱优化中的算法性能。通过元学习,该框架能够为特定问题定制最优配置,实验结果表明其在基准测试中具有竞争力。

🎯

关键要点

  • 本研究提出了一种基于强化学习的差分进化算法自动设计框架。
  • 该框架旨在提升黑箱优化中的算法性能,解决现有DE算法的性能不足问题。
  • 通过元学习,该框架能够为特定的黑箱优化问题定制最优的DE配置。
  • 实验结果表明,该框架在黑箱优化基准测试中表现出显著的潜力,具有竞争性表现。
➡️

继续阅读