协方差矩阵自适应 MAP-退火
机器学习
2023-06-07 v4 人工智能
摘要
单目标优化算法针对某一目标搜索单一最高质量的解。质量多样性（QD）优化算法，如协方差矩阵自适应 MAP-Elites（CMA-ME），搜索一组在目标上高质量且在指定度量函数上多样的解集合。然而，CMA-ME 存在 QD 界强调的三个主要局限：过早放弃目标而偏向探索、难以探索平坦目标、以及低分辨率存档下性能差。我们提出了一种新的质量多样性算法，协方差矩阵自适应 MAP-退火（CMA-MAE），解决了所有三个局限。我们针对每个局限为新算法提供了理论依据。我们的理论指导了实验，实验支持该理论并表明 CMA-MAE 达到了最先进的性能与鲁棒性。
引用
@article{arxiv.2205.10752,
title = {Covariance Matrix Adaptation MAP-Annealing},
author = {Matthew C. Fontaine and Stefanos Nikolaidis},
journal= {arXiv preprint arXiv:2205.10752},
year = {2023}
}
备注
Accepted to GECCO 2023