深入探究结构偏差对CMA-ES沿仿射轨迹性能的影响
神经与进化计算
2024-04-29 v1 人工智能
机器学习
摘要
为了指导设计更好的迭代优化启发式算法,必须理解算法组件中固有的结构偏差如何影响在各种搜索景观上的性能。本研究探讨了模块化协方差矩阵自适应进化策略(modCMA)中结构偏差的影响,重点关注算法内各种模块的作用。通过对modCMA的435,456种配置进行广泛调查,我们识别出显著影响各类结构偏差的关键模块。我们的分析使用了Deep-BIAS工具箱进行结构偏差检测和分类,并辅以SHAP分析来量化模块贡献。这些配置的性能在一系列仿射重组函数上进行了测试,这些函数保持固定最优位置,同时逐渐改变景观特征。我们的结果展示了模块诱导的结构偏差与算法性能在不同景观特征之间的相互作用。
引用
@article{arxiv.2404.17323,
title = {A Deep Dive into Effects of Structural Bias on CMA-ES Performance along Affine Trajectories},
author = {Niki van Stein and Sarah L. Thomson and Anna V. Kononova},
journal= {arXiv preprint arXiv:2404.17323},
year = {2024}
}
备注
15 pages, 5 figures, submitted to PPSN 2024