Platformy pro benchmarking optimalizačních algoritmů pro spojité úlohy

Abstract

Tato práce zkoumá platformy pro benchmarking algoritmů, které se zaměřují na metodu black-box. Začíná přehledem optimalizačních algoritmů a zkoumáním tří významných srovnávacích platforem: COCO, IOHprofiler a Nevergrad. Tyto platformy mají zásadní význam pro hodnocení optimalizačních algoritmů, protože poskytují standardizované rámce, komplexní výkonnostní metriky a zajišťují reprodukovatelnost experimentů. Tento kolektivní přístup pomáhá identifikovat nejlepší algoritmy pro konkrétní aplikace a optimalizovat jejich výkon prostřednictvím ladění parametrů. Zmiňuje také na výhody a nevýhody jednotlivých platforem a jejich schopnosti spolupráce.This thesis explores benchmarking platforms for comparing algorithms using black-box methods. It begins with an overview of optimization algorithms and detailed examination of three prominent benchmarking platforms: COCO, IOHprofiler, and Nevergrad. These platforms are instrumental in evaluating optimization algorithms by providing standardized frameworks, comprehensive performance metrics, and ensuring reproducibility of experiments. This collective approach aids in identifying the best algorithms for specific applications and optimizing their performance through parameter tuning. It also highlights the advantages and disadvantages of each platform and their cooperative capabilities.