面向具脊结构无约束与隐式约束问题的自然进化策略
神经与进化计算
2021-10-19 v2
摘要
本文中，我们提出一种新的自然进化策略，用于无约束黑盒函数优化(BBFO)问题与隐式约束 BBFO 问题。BBFO 问题已知较为困难，因为目标函数的显式表达不可用。隐式约束使问题更困难，因为解是否可行需在对解用目标函数求值后才揭示。DX-NES-IC 是隐式约束 BBFO 问题中有前景的方法之一。DX-NES-IC 在隐式约束基准问题上表现出优于传统方法的性能。然而，DX-NES-IC 存在一问题：在脊结构上概率分布的移动速度慢。为解决该问题，我们提出快速移动自然进化策略(FM-NES)，通过向 DX-NES-IC 引入秩一更新来加速概率分布在脊结构上的移动。秩一更新在 CMA-ES 中被利用。由于朴素地引入秩一更新会使隐式约束问题上的搜索性能恶化，我们提出了执行秩一更新的条件。我们还提出在首次采样到不可行解时重置概率分布的形状。在使用无约束与隐式约束基准问题的数值实验中，FM-NES 在具脊结构问题上表现出优于 DX-NES-IC 的性能，在其他问题上与之几乎相同。此外，FM-NES 优于 xNES、CMA-ES、带重采样技术的 xNES 以及带重采样技术的 CMA-ES。
引用
@article{arxiv.2108.09455,
title = {Natural Evolution Strategy for Unconstrained and Implicitly Constrained Problems with Ridge Structure},
author = {Masahiro Nomura and Isao Ono},
journal= {arXiv preprint arXiv:2108.09455},
year = {2021}
}
备注
accepted at IEEE Symposium Series on Computational Intelligence (IEEE SSCI 2021)