Buchumschlag

How the Move Acceptance Hyper-Heuristic Copes With Local Optima: Drastic Differences Between Jumps and Cliffs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Doerr, Benjamin, Dremaux, Arthur, Lutzeyer, Johannes, Stumpf, Aurélien
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Neural and Evolutionary Computing Artificial Intelligence Data Structures and Algorithms
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Hyper-Heuristics Can Profit From Global Variation Operators
von: Doerr, Benjamin, et al.
Veröffentlicht: (2024)

Speeding Up Hyper-Heuristics With Markov-Chain Operator Selection and the Only-Worsening Acceptance Operator
von: Bendahi, Abderrahim, et al.
Veröffentlicht: (2025)

The Runtime of Random Local Search on the Generalized Needle Problem
von: Doerr, Benjamin, et al.
Veröffentlicht: (2024)

Runtime Analysis for the NSGA-II: Provable Speed-Ups From Crossover
von: Doerr, Benjamin, et al.
Veröffentlicht: (2022)

Selection Hyper-heuristics Can Automatically Adjust the Learning Period to Optimally Solve Pseudo-Boolean Problems
von: Doerr, Benjamin, et al.
Veröffentlicht: (2026)

Fourier Analysis Meets Runtime Analysis: Precise Runtimes on Plateaus
von: Doerr, Benjamin, et al.
Veröffentlicht: (2023)

A First Runtime Analysis of the NSGA-II on a Multimodal Problem
von: Doerr, Benjamin, et al.
Veröffentlicht: (2022)

Multi-Neuron Representations of Hierarchical Concepts in Spiking Neural Networks
von: Lynch, Nancy A.
Veröffentlicht: (2024)

Convergence and Running Time of Time-dependent Ant Colony Algorithms
von: Manthey, Bodo, et al.
Veröffentlicht: (2025)

Biased Pareto Optimization for Subset Selection with Dynamic Cost Constraints
von: Liu, Dan-Xuan, et al.
Veröffentlicht: (2024)

A Scalable Trie Building Algorithm for High-Throughput Phyloanalysis of Wafer-Scale Digital Evolution Experiments
von: Singhvi, Vivaan, et al.
Veröffentlicht: (2025)

An Extended Jump Functions Benchmark for the Analysis of Randomized Search Heuristics
von: Bambury, Henry, et al.
Veröffentlicht: (2021)

Learning to Approximate Uniform Facility Location via Graph Neural Networks
von: Qian, Chendi, et al.
Veröffentlicht: (2026)

Local search for valued constraint satisfaction parameterized by treedepth
von: Kaznatcheev, Artem
Veröffentlicht: (2024)

Abstraction in Neural Networks
von: Lynch, Nancy
Veröffentlicht: (2024)

Superior Genetic Algorithms for the Target Set Selection Problem Based on Power-Law Parameter Choices and Simple Greedy Heuristics
von: Doerr, Benjamin, et al.
Veröffentlicht: (2024)

Training Neural Networks is NP-Hard in Fixed Dimension
von: Froese, Vincent, et al.
Veröffentlicht: (2023)

Covered Forest: Fine-grained generalization analysis of graph neural networks
von: Vasileiou, Antonis, et al.
Veröffentlicht: (2024)

Classical Sorting Algorithms as a Model of Morphogenesis: self-sorting arrays reveal unexpected competencies in a minimal model of basal intelligence
von: Zhang, Taining, et al.
Veröffentlicht: (2023)

ReLU Neural Networks of Polynomial Size for Exact Maximum Flow Computation
von: Hertrich, Christoph, et al.
Veröffentlicht: (2021)

Stringology-Based Motif Discovery from EEG Signals: an ADHD Case Study
von: Dahan, Anat, et al.
Veröffentlicht: (2026)

Predictive Spike Timing Enables Distributed Shortest Path Computation in Spiking Neural Networks
von: Storesund, Simen, et al.
Veröffentlicht: (2025)

Convergence Analysis for Deep Sparse Coding via Convolutional Neural Networks
von: Li, Jianfei, et al.
Veröffentlicht: (2024)

Which Algorithms Can Graph Neural Networks Learn?
von: Wittig, Solveig, et al.
Veröffentlicht: (2026)

Proven Runtime Guarantees for How the MOEA/D Computes the Pareto Front From the Subproblem Solutions
von: Doerr, Benjamin, et al.
Veröffentlicht: (2024)

Large-scale Benchmarking of Metaphor-based Optimization Heuristics
von: Vermetten, Diederick, et al.
Veröffentlicht: (2024)

Runtime Analysis of the SMS-EMOA for Many-Objective Optimization
von: Zheng, Weijie, et al.
Veröffentlicht: (2023)

Near-Tight Runtime Guarantees for Many-Objective Evolutionary Algorithms
von: Wietheger, Simon, et al.
Veröffentlicht: (2024)

Evolutionary Algorithms Are Significantly More Robust to Noise When They Ignore It
von: Antipov, Denis, et al.
Veröffentlicht: (2024)

Novelty-Based Generation of Continuous Landscapes with Diverse Local Optima Networks
von: Mizuta, Kippei, et al.
Veröffentlicht: (2026)

Escaping Local Optima in Global Placement
von: Xue, Ke, et al.
Veröffentlicht: (2024)

Speeding Up the NSGA-II With a Simple Tie-Breaking Rule
von: Doerr, Benjamin, et al.
Veröffentlicht: (2024)

Speeding Up the NSGA-II via Dynamic Population Sizes
von: Doerr, Benjamin, et al.
Veröffentlicht: (2025)

Difficulties of the NSGA-II with the Many-Objective LeadingOnes Problem
von: Doerr, Benjamin, et al.
Veröffentlicht: (2024)

The First Theoretical Approximation Guarantees for the Non-Dominated Sorting Genetic Algorithm III (NSGA-III)
von: Deng, Renzhong, et al.
Veröffentlicht: (2025)

Runtime Analysis for Multi-Objective Evolutionary Algorithms in Unbounded Integer Spaces
von: Doerr, Benjamin, et al.
Veröffentlicht: (2024)

Improved Runtime Guarantees for the SPEA2 Multi-Objective Optimizer
von: Doerr, Benjamin, et al.
Veröffentlicht: (2025)

Runtime Analysis of the Compact Genetic Algorithm on the LeadingOnes Benchmark
von: Chwiałkowski, Marcel, et al.
Veröffentlicht: (2025)

Tight Runtime Bounds for Static Unary Unbiased Evolutionary Algorithms on Linear Functions
von: Doerr, Carola, et al.
Veröffentlicht: (2023)

How Sequential Algorithm Portfolios can benefit Black Box Optimization
von: Dinu, Catalin-Viorel, et al.
Veröffentlicht: (2026)