基于 CMA-ES 变体算法特征时间序列的探索性数据分析
神经与进化计算
2021-04-19 v1
摘要
在本研究中，我们通过提取著名 CMA-ES 的动态策略参数上的时间序列特征来分析其行为。我们在 12 个 CMA-ES 变体与取自 BBOB（黑盒优化基准测试）测试平台的 24 个测试问题上进行了广泛实验，其中我们使用了两种不同的截断时间以停止这些变体。我们利用 tsfresh 包提取特征，并使用 Boruta 算法执行特征选择过程，得到 32 个用以区分 CMA-ES 变体或问题的特征。在度量这些变体达到的预定义目标数量后，我们试图利用该特征预测各测试问题上度量到的值。由分析可见，这些特征能较好地分类 CMA-ES 变体或函数组，并显示出预测这些变体性能的潜力。我们对测试问题进行了层次聚类分析，并注意到较长截断时间与较短截断时间相比聚类结果发生剧烈变化，表明算法搜索行为发生巨大改变。总体而言，我们发现随着时间序列变长，时间序列特征的预测能力增强。
引用
@article{arxiv.2104.08098,
title = {Explorative Data Analysis of Time Series based AlgorithmFeatures of CMA-ES Variants},
author = {Jacob de Nobel and Hao Wang and Thomas Bäck},
journal= {arXiv preprint arXiv:2104.08098},
year = {2021}
}