利用分层模因策略与协方差矩阵自适应进化策略近似目标不敏感区域
神经与进化计算
2019-05-20 v1 人工智能
摘要
全局优化中最具挑战性的不适定类型之一是设计参数空间中存在不敏感区域，因此若不适定不可恢复，识别其形状将至关重要。此类问题可通过全局随机搜索，辅以局部样本后处理与局部目标近似来解决。我们提出一种此类新方法，由分层模因策略（HMS）与协方差矩阵自适应进化策略（CMA-ES）驱动构成；CMA-ES是已知高效、自适应的随机优化算法，我们利用其所积累的分布密度知识来更好地识别和分离不敏感区域。基准测试结果表明，改进的HMS-CMA-ES策略在总计算成本和不敏感区域近似精度上均有效。测试的参考数据通过著名的多模态随机优化有效策略Niching Evolutionary Algorithm 2（NEA2）获得，该策略同样以CMA-ES为组件。
引用
@article{arxiv.1905.07288,
title = {Approximation of the objective insensitivity regions using Hierarchic Memetic Strategy coupled with Covariance Matrix Adaptation Evolutionary Strategy},
author = {Jakub Sawicki and Maciej Smołka and Marcin Łoś and Robert Schaefer},
journal= {arXiv preprint arXiv:1905.07288},
year = {2019}
}
备注
presented at OLA2019 conference