有限内存 CMA-ES 的异步实现
神经与进化计算
2016-11-15 v1
摘要
我们提出了 LM-CMA-ES 算法的异步实现，该算法是一种用于求解复杂大规模连续优化问题的现代进化策略。当核心数相对较高且适应度函数的计算复杂度也较高时，我们的实现取得了最佳结果。基于基准函数的实验表明，它在 Sphere 函数上能够超越其原始版本，在 Rosenbrock 和 Ellipsoid 函数上更快地达到特定阈值，并且令人惊讶地在 Rastrigin 函数上表现远优于原始版本。
引用
@article{arxiv.1510.00419,
title = {An Asynchronous Implementation of the Limited Memory CMA-ES},
author = {Viktor Arkhipov and Maxim Buzdalov and Anatoly Shalyto},
journal= {arXiv preprint arXiv:1510.00419},
year = {2016}
}
备注
9 pages, 4 figures, 4 tables; this is a full version of a paper which has been accepted as a poster to IEEE ICMLA conference 2015