模块化 CMA-ES 在 SBOX-COST 基准测试套件中严格盒约束问题上的分析
神经与进化计算
2023-05-25 v1
摘要
盒约束限制了决策变量的定义域，并且由于物理、自然或空间限制，在现实优化问题中很常见。因此，违反盒约束的解可能无法被评估。这一假设在文献中常被忽略，例如现有的基准测试套件（如 COCO/BBOB）允许优化器评估不可行解。本文提出了一项关于严格盒约束基准测试套件（SBOX-COST）的初步研究，该套件是著名 BBOB 基准测试套件的一个变体，通过对不可行解返回无效评估值来强制实施盒约束。具体而言，我们希望理解 BBOB 与 SBOX-COST 之间的性能差异如何作为两种初始化方法和六种约束处理策略的函数，所有这些均使用模块化 CMA-ES 进行测试。我们发现，与可能的预期相反，通过饱和处理盒约束并不总是优于完全不处理。然而，在所有 BBOB 函数上，饱和处理优于不处理，且差异随维数增加而增大。严格实施盒约束也对经典 CMA-ES（采用均匀随机初始化且无约束处理）的性能有明显的负面影响，尤其随着问题维数的增加。
引用
@article{arxiv.2305.15102,
title = {Analysis of modular CMA-ES on strict box-constrained problems in the SBOX-COST benchmarking suite},
author = {Diederick Vermetten and Manuel López-Ibáñez and Olaf Mersmann and Richard Allmendinger and Anna V. Kononova},
journal= {arXiv preprint arXiv:2305.15102},
year = {2023}
}