CMA-ES变体的在线选择
神经与进化计算
2019-04-17 v1
摘要
在进化计算领域，最具挑战性的课题之一是算法选择。了解针对何种优化问题使用何种启发式方法，是获得高质量解的关键。我们旨在通过迈出自适应CMA-ES算法选择方法的第一步来拓展该研究方向。我们的工作建立在van Rijn等人[PPSN'18]的理论研究之上，该研究在模块化CMA-ES框架背景下量化了在不同CMA-ES变体间切换的潜力。我们在本工作中证明，他们提出的方法并不可靠，因为实现所建议的自适应配置并未产生预期的性能提升。我们提出了一种修正方法，使预测性能与实际性能之间达成更稳健的拟合。该自适应CMA-ES方法在BBOB基准测试的24个测试函数中的18个上获得了性能提升，稳定优势达23%。对模块激活的分析指出了哪些模块对于优化24个基准问题中每个问题的不同阶段最为关键。模块激活还表明，在纳入（B）IPOP模块时可能获得额外收益，而我们在本工作中将其排除在外。
引用
@article{arxiv.1904.07801,
title = {Online Selection of CMA-ES Variants},
author = {Diederick Vermetten and Sander van Rijn and Thomas Bäck and Carola Doerr},
journal= {arXiv preprint arXiv:1904.07801},
year = {2019}
}
备注
To appear at Genetic and Evolutionary Computation Conference (GECCO'19) Appendix will be added in due time