线性函数上的累积步长自适应
机器学习
2013-02-19 v1 机器学习
摘要
CSA-ES 是一种具有累积步长自适应的进化策略，其步长通过测量所谓累积路径的长度进行自适应调整。累积路径是算法所执行的前序步骤的组合，其中每一步的重要性随时间递减。本文通过研究其底层马尔可夫链，探讨了 CSA-ES 在严格递增函数与仿射线性函数的复合函数上的表现。推导出了有无累积情况下步长变化与变异的严格结果。在大多数情况下，步长以几何速度发散。此外，还研究了累积参数的影响。
引用
@article{arxiv.1212.0139,
title = {Cumulative Step-size Adaptation on Linear Functions},
author = {Alexandre Chotard and Anne Auger and Nikolaus Hansen},
journal= {arXiv preprint arXiv:1212.0139},
year = {2013}
}
备注
arXiv admin note: substantial text overlap with arXiv:1206.1208