由主成分分析辅助的协方差矩阵自适应进化策略
神经与进化计算
2021-05-12 v2
摘要
过去几十年，随着技术发展，越来越多的方法取得巨大进步。进化算法作为一种启发式方法被广泛应用。然而，当维度增加时，计算开销呈指数增长。本文中，我们将使用降维方法主成分分析（PCA）在协方差矩阵自适应进化策略（CMA-ES）的迭代过程中降维，CMA-ES 是一种以数值型呈现、适用于各类问题的优良进化算法。我们在黑盒优化基准测试（BBOB）问题集的多模态问题上从收敛速率方面评估新方法的性能，并使用 COmparing Continuous Optimizers（COCO）框架观察新方法的进展并与其他算法比较。
引用
@article{arxiv.2105.03687,
title = {Covariance Matrix Adaptation Evolution Strategy Assisted by Principal Component Analysis},
author = {Yangjie Mei and Hao Wang},
journal= {arXiv preprint arXiv:2105.03687},
year = {2021}
}
备注
13 pages, 4 figures