ランダム探索による確率最適化

この記事では、ノイズのある関数評価のみが利用可能な状況下での確率最適化手法としてのランダム探索の再検討が行われています。著者たちは、この手法が従来考慮されていたよりも弱い平滑性の仮定の下で機能することを示し、より強い仮定が改善された保証を可能にすることを明らかにしました。また、有限和設定においては、複数のサンプルを利用して収束を加速する分散削減型のバリアントが設計されています。この分析は、ノイズとのバランスをとり分散を削減するための原則に基づく簡単な翻訳不変性特性に依存しています。