CMA-ES公司

CMA-ES代表协方差矩阵自适应进化策略。进化策略(ES)是用于非线性或非凸连续优化问题数值优化的随机、无导数方法。它们属于进化算法和进化计算的范畴。进化算法广泛地基于生物进化的原理,即变异(通过变异和重组)和选择的重复相互作用:在每一代(迭代)中,新的个体(候选解,表示为x)是通过变异产生的,通常是随机的,然后根据个体的适应度或目标函数值f(x)选择下一代个体。像这样,在整个生成序列中,f值越来越高的个体被生成。在一种进化策略中,新的候选解根据mathbb{R}^n中的多元正态分布进行抽样,该分布中变量之间的成对依赖关系用协方差矩阵表示。协方差矩阵自适应(CMA)是一种更新该分布协方差矩阵的方法。如果函数f是病态的,这一点特别有用。协方差矩阵的自适应相当于学习基本目标函数的二阶模型,类似于经典优化中拟牛顿法中逆Hessian矩阵的逼近。与大多数经典方法相比,对潜在目标函数性质的假设较少。该方法只利用候选解之间的排序来学习样本分布,不需要导数甚至函数值本身。(资料来源:http://plato.asu.edu)


zbMATH中的参考文献(参考文献121篇)

显示第1到第20个结果,共121个。
按年份排序(引用)

1 2 ... 5 6 7 下一个

  1. 秋本友黑;奥格,安妮;Hansen,Nikolaus:证明自适应随机算法几何收敛性的ODE方法(2022)
  2. 赫达,阿卜杜勒·拉赫曼;迪贝斯,威尔;阿明,希沙姆H。;阿尔玛拉希,马吉德;福岛,Masao:非线性全局优化的全局感知搜索(2022)
  3. 胡刚;钟、靖宇;杜波;Wei,Guo:一种工程应用的增强混合算法优化算法(2022)
  4. 马丁,塞尔吉奥·M。;瓦尔切利,但以理;阿拉帕齐斯,乔治亚;Economides,雅典娜E。;彼得卡尔纳科夫;Koumoutsakos,Petros:Korali:用于贝叶斯不确定性量化和随机优化的高效可扩展软件框架(2022)
  5. 阿布阿里迦,莱思;迪亚巴特,阿里;米哈利利,塞耶达利;穆罕默德·艾拉齐兹;甘多米,阿米尔H.:算法优化算法(2021)
  6. 奥黛特,查尔斯;比吉恩,琼;Couderc,Romain:结合交叉熵和MADS方法求解不等式约束的全局优化(2021)
  7. 布兰科·科科姆,路易斯;萨尔瓦多博泰洛·里昂达;奥多涅斯,L.C。;Valdez,S.Ivvan:基于概率模型构建的PEMFC优化稳健参数估计(2021)
  8. 德瑞,科斯马斯;Serletis,Apostolos:货币政策、不确定性和金融冲击的相对重要性(2021)
  9. 汉娜,约西亚·P。;德赛,悉达特;卡南,哈雷什;沃内尔,加勒特;Stone,Peter:sim到real reinforcement learning的扎根行动转换(2021)
  10. 克林,帕斯卡;哈尼·阿卜杜勒萨马德;贝洛索夫,鲍里斯;德拉莫,卡罗;彼得斯,简;Pajarinen,Joni:自我节奏学习的概率解释及其在强化学习中的应用(2021)
  11. 萨尔哥特拉,罗希特;辛格,乌尔文德;辛格,古德普;米塔尔,尼汀;Gandomi,Amir H:工程优化问题的自适应杂交差分进化裸鼹鼠算法(2021)
  12. 石峰;诺伊曼,弗兰克;王建新:动态加权顶点覆盖问题随机搜索启发式算法的运行性能(2021)
  13. 泰奇曼,雅各布;门泽尔,彼得;海尼格,托马斯;van den Boogaart,Karl Gerald:用多元随机场模拟和拟合三维矿物微观结构(2021)
  14. 张嘉欣;川,黄;张冠南:用定向高斯平滑进化策略加速强化学习(2021)
  15. 陈、黄科;程,冉;文,金明;李海峰;翁健:用可伸缩小种群协方差矩阵自适应进化策略求解大规模多目标优化问题(2020)
  16. 海尔维格,迈克尔;Beyer,Hans-Georg:噪声椭球模型协方差矩阵自适应进化策略的稳态分析(2020)
  17. 霍尔瓦特,加博尔;霍尔瓦特,伊利斯;Telek,Miklós:高阶集中矩阵指数分布(2020)
  18. Liang,Liang:一种融合多目标帝国分割算法(2020)
  19. 李振华;张庆福:变异矩阵适应的变尺度进化策略(2020)
  20. 拉扎利,纳西姆;波斯科,贾科莫;戈里,朱利奥;康杰多,皮尔特罗·马可:基于分位数的有机朗肯循环涡轮机超音速喷嘴的稳健优化(2020年)

1 2 ... 5 6 7 下一个


更多出版物请访问:https://www.lri.fr/~hansen/出版物。2006年汉森回顾