BCMA-ES：一种CMA-ES的贝叶斯方法

Eric Benhamou; David Saltiel; Sebastien Verel; Fabien Teytaud

BCMA-ES：一种CMA-ES的贝叶斯方法

机器学习 2019-04-03 v1 机器学习

作者: Eric Benhamou , David Saltiel , Sebastien Verel , Fabien Teytaud

摘要

本文为著名的CMA-ES算法引入了一种新颖且理论严谨的方法。假设最小值多元正态分布参数的共轭先验分布，我们推导了其在每次迭代步的最优更新。该贝叶斯框架不仅为CMA-ES算法的更新提供了依据，还给出了两个新版本的CMA-ES，分别假设正态- Wishart或正态-逆Wishart先验，取决于我们是用协方差还是精度矩阵参数化似然。我们通过数值实验支持我们的理论发现，这些实验显示了这些改进版CMA-ES的快速收敛。

关键词

CMA-ES 贝叶斯优化共轭先验正态-Wishart 正态-逆Wishart 进化策略收敛

引用

@article{arxiv.1904.01401,
  title  = {BCMA-ES: A Bayesian approach to CMA-ES},
  author = {Eric Benhamou and David Saltiel and Sebastien Verel and Fabien Teytaud},
  journal= {arXiv preprint arXiv:1904.01401},
  year   = {2019}
}

备注

10 pages, 9 figures

BCMA-ES：一种CMA-ES的贝叶斯方法

摘要

关键词

引用

备注

相关论文