面向高斯过程代理模型的自适应基于代数的演化控制
神经与进化计算
2017-10-02 v1
摘要
对加速黑盒优化器的兴趣催生了协方差矩阵自适应演化策略（Covariance Matrix Adaptation Evolution Strategy，一种最先进的连续黑盒优化器）的若干代理模型辅助版本。被称为 Surrogate CMA-ES 的版本使用高斯过程或随机森林代理模型，并采用基于代数的演化控制。本文基于 s*ACM-ES 算法引入的一般性程序，提出了一种针对 S-CMA-ES 的自适应改进，其中在重新训练前使用代理模型的代数根据上一代理实例的性能进行调整。在 COCO/BBOB 框架上评估了在代理模型性能度量上有所不同的三种算法。结果表明，相较于具有固定模型生命周期的 S-CMA-ES 有轻微改进，尤其是在考虑较长生命周期时。
引用
@article{arxiv.1709.10443,
title = {Adaptive Generation-Based Evolution Control for Gaussian Process Surrogate Models},
author = {Jakub Repicky and Lukas Bajer and Zbynek Pitra and Martin Holena},
journal= {arXiv preprint arXiv:1709.10443},
year = {2017}
}
备注
Updated version. The original article appeared in Proceedings of the 17th ITAT Conference Martin, September 22--26, 2017, published by CreateSpace Independent Publ. Platform and online by CEUR Workshop Proceedings. Abstract: Added credits to the s*ACM-ES algorithm. Section 1: Added references and clarified the motivation. Section 3: Added references