Buchumschlag

Evolutionary Algorithms Are Significantly More Robust to Noise When They Ignore It

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Antipov, Denis, Doerr, Benjamin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

When Switching Algorithms Helps: A Theoretical Study of Online Algorithm Selection
von: Antipov, Denis, et al.
Veröffentlicht: (2026)

Already Moderate Population Sizes Provably Yield Strong Robustness to Noise
von: Antipov, Denis, et al.
Veröffentlicht: (2024)

First Steps Towards a Runtime Analysis When Starting With a Good Solution
von: Antipov, Denis, et al.
Veröffentlicht: (2020)

Enhancing Parameter Control Policies with State Information
von: Covini, Gianluca, et al.
Veröffentlicht: (2025)

Lazy Parameter Tuning and Control: Choosing All Parameters Randomly From a Power-Law Distribution
von: Antipov, Denis, et al.
Veröffentlicht: (2021)

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

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

Theoretical Analyses of Multiobjective Evolutionary Algorithms on Multimodal Objectives
von: Zheng, Weijie, et al.
Veröffentlicht: (2020)

First Mathematical Runtime Analyses of Multi-Objective Evolutionary Algorithms for Multi-Valued Decision Variables
von: Li, Mingfeng, et al.
Veröffentlicht: (2026)

Runtime Analysis for Permutation-based Evolutionary Algorithms
von: Doerr, Benjamin, et al.
Veröffentlicht: (2022)

Using 3-Objective Evolutionary Algorithms for the Dynamic Chance Constrained Knapsack Problem
von: Pathiranage, Ishara Hewa, et al.
Veröffentlicht: (2024)

Parent Selection Mechanisms in Elitist Crossover-Based Algorithms
von: Opris, Andre, et al.
Veröffentlicht: (2026)

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

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

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

Estimation-of-Distribution Algorithms for Multi-Valued Decision Variables
von: Jedidia, Firas Ben, et al.
Veröffentlicht: (2023)

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)

Feature-based Evolutionary Diversity Optimization of Discriminating Instances for Chance-constrained Optimization Problems
von: Ahouei, Saba Sadeghi, et al.
Veröffentlicht: (2025)

Runtime Analysis of Evolutionary Diversity Optimization on the Multi-objective (LeadingOnes, TrailingZeros) Problem
von: Antipov, Denis, et al.
Veröffentlicht: (2024)

Approximation Guarantees for the Non-Dominated Sorting Genetic Algorithm II (NSGA-II)
von: Zheng, Weijie, et al.
Veröffentlicht: (2022)

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

A Non-Dominated Sorting Evolutionary Algorithm Updating When Required
von: Farias, Lucas R. C., et al.
Veröffentlicht: (2025)

Scaling Behaviors of Evolutionary Algorithms on GPUs: When Does Parallelism Pay Off?
von: Yu, Xinmeng, et al.
Veröffentlicht: (2026)

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

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

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

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

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

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

Local Optima in Diversity Optimization: Non-trivial Offspring Population is Essential
von: Antipov, Denis, et al.
Veröffentlicht: (2024)

Finding Low Star Discrepancy 3D Kronecker Point Sets Using Algorithm Configuration Techniques
von: Abderrahim, Imène Ait, et al.
Veröffentlicht: (2026)

A Novel Dual-Stage Evolutionary Algorithm for Finding Robust Solutions
von: Du, Wei, et al.
Veröffentlicht: (2024)

Impact of Training Instance Selection on Automated Algorithm Selection Models for Numerical Black-box Optimization
von: Dietrich, Konstantin, et al.
Veröffentlicht: (2024)

A Block-Coordinate Descent EMO Algorithm: Theoretical and Empirical Analysis
von: Doerr, Benjamin, et al.
Veröffentlicht: (2024)

Proven Approximation Guarantees in Multi-Objective Optimization: SPEA2 Beats NSGA-II
von: Alghouass, Yasser, et al.
Veröffentlicht: (2025)

Hybridizing Target- and SHAP-encoded Features for Algorithm Selection in Mixed-variable Black-box Optimization
von: Dietrich, Konstantin, et al.
Veröffentlicht: (2024)

Runtime Analysis for the NSGA-II: Proving, Quantifying, and Explaining the Inefficiency For Many Objectives
von: Zheng, Weijie, et al.
Veröffentlicht: (2022)

Lower Bounds from Fitness Levels Made Easy
von: Doerr, Benjamin, et al.
Veröffentlicht: (2021)

Algorithm Instance Footprint: Separating Easily Solvable and Challenging Problem Instances
von: Nikolikj, Ana, et al.
Veröffentlicht: (2023)

Optimizing Hearthstone Agents using an Evolutionary Algorithm
von: García-Sánchez, Pablo, et al.
Veröffentlicht: (2024)