Disons que nous avons 2 algorithmes d'optimisation stochastique (algorithmes génétiques, optimisation de l'essaimage de particules, Cuckoo Search, etc.), A et B, et nous voulons trouver les maxima globaux d'une fonction. Alors, si l'algorithme A fonctionne mieux que l'algorithme B pour optimiser la fonction F sur un espace de recherche unidimensionnel, est-il aussi meilleur que B pour optimiser la fonction F sur un espace de recherche N-dimensionnel?Algorithmes d'optimisation stochastique
Je ferai référence à la fonction F dans N dimensions par F_ND. Notez que F_1D et F_ND ont la même fonction, sauf dans un nombre de dimensions différent; le "paysage" est exactement le même, seulement de différentes dimensions.
Ex: pour la fonction DeJong nous avons:
F_1D(x) = x[0]*x[0]
F_5D(x) = x[0]*x[0] + x[1]*x[1] + x[2]*x[2] + x[3]*x[3] + x[4]*x[4]
F_1D et F_5D ont le même "aspect" "type"/
... mettre autrement:
Si general_performance (A, F_1D)> general_performance (B, F_1D) puis general_performance (A, F_ND)> general_performance (B, F_ND) (pour un N plus grand, bien sûr) aussi?