В работе исследовано влияние метода и объема выборки на точность аппроксимации признаков в рамках анализа ландшафта поиска (ELA) и на последующее качество моделей машинного обучения, используемых для настройки параметров. На примере задачи регрессии параметров тестовой задачи W-model показано, что различные стратегии семплирования приводят к статистически значимо различным оценкам одних и тех же признаков. Установлено, что корректная работа прогнозных моделей возможна только при строгом совпадении методов генерации выборок на этапах обучения и применения. Обнаружено, что использование квазислучайных последовательностей позволяет достичь более высокой точности по сравнению со стандартными методами.

Пикалов М.В. (науч. рук. Авксентьева Е.Ю.) Влияние метода выборки на анализ ландшафта приспособленности при настройке параметров эволюционных алгоритмов // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2026]. URL: https://kmu.itmo.ru/digests/article/16130