CMA-ES

CMA-ES代表协方差矩阵适应进化策略。进化策略(ES)是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,即变化的重复相互作用(通过突变和重组)和选择:在每一代(迭代)中,新的个体(候选解,表示为X)是由变异产生的,通常是随机的,然后根据其适合度或目标函数值f(x)选择下一代的个体。像这样,在生成序列上,生成具有更好和更好的F值的个体。在进化策略中,根据MaTbB{R}^ n中的多元正态分布对新的候选解进行采样。该分布中的变量之间的成对依赖性由协方差矩阵表示。协方差矩阵自适应(CMA)是一种更新这种分布的协方差矩阵的方法。这是特别有用的,如果函数F是病态的。自适应协方差矩阵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,对基本目标函数性质的假设较少。仅利用候选解之间的排序来学习样本分布,并且该方法既不需要导数,也不需要函数值本身。来源HTTP//PATRO.AUU-EDU


ZBMaCT中的参考文献(91篇文章中引用)

显示结果1至20的91。
按年份排序(引文
  1. Razaaly,纳西姆;SimiCo,Giacomo;哥里,Giulio;Cordigo,Pietro Marco:基于分位数的有机朗肯循环涡轮超音速喷嘴的稳健优化(2020)
  2. Breunig,U.;Baldacci,R;Hartl,R. F.;维达尔,T.:电动二级车辆路径问题(2019)
  3. Gebhardt,Gregor H. W.;Kupcsik,安德拉斯;诺伊曼,格哈德:核Kalman规则。递推最小二乘和子空间投影的非参数有效推理(2019)
  4. LeeErry,LUC:非参数隐马尔可夫模型的一致阶估计(2019)
  5. 李,魏:多目标优化的多目标优化的矩阵适应进化策略(2019)
  6. 阿加索斯,康斯坦丁诺斯;查茨,Eleni;博达斯,P. A.,用稳定的XFEM和全局优化(2018)在3D中进行多重裂纹检测
  7. Arampatzis,Georgios;W·LLCHLI,丹尼尔;Angelikopoulos,PANAGIOTIS;吴,史蒂芬;Hajdououkas,PANAGIOTIS;KouMut-SakOS,Posis:基于人口抽样的Langevin扩散在药效学贝叶斯推断中的应用(2018)
  8. 拉尔森,杰夫瑞;Fieland,Stefan M.:寻找多个最小值的异步并行优化求解器(2018)
  9. 刘,李斌;龙,广庆;黄,Zaitang;欧阳,爱佳:内层奇摄动问题的有理谱配置和差分进化算法(2018)
  10. 麦考林,帕特里克;斯通,彼得:重叠分层学习(2018)
  11. Mouzo,F;Lugris,U.;帕米斯·维拉,R.;Cuadrado,J.:基于骨骼水平控制的获得性健康和辅助步态运动的正向动态分析(2018)
  12. 杨,Yihang;程,Xiang;程,君瑞;江,DA;李,Shaojun:改进的AlopeX基于进化算法的高斯Copula估计分布算法及其在巴特沃斯滤波器设计中的应用(2018)
  13. 陈,J. J.;吴,Q. H.;张,L. L.;吴,吴:考虑风电和负荷不确定性的非凸随机最优潮流的多目标均值方差偏度模型(2017)
  14. P·L·L·SZZL:改进的UNIRANDI局部搜索方法的实证研究(2017)
  15. Rakhshani,Hojjat;拉哈蒂,阿明:数值和工程优化问题的智能多搜索策略布谷鸟算法(2017)
  16. 罗查,ANA Malia. A. C.科斯塔,M. Fernanda P.;费尔南德斯,EdIT.M.G.P.:一种基于光滑罚函数的全局优化算法(2017)
  17. Samothrakis,SpRIDON;Fasli,玛丽亚;佩雷斯,迭戈;卢卡斯,西蒙:具有严重噪声的噪声函数全局优化的缺省策略(2017)
  18. van Hoof,Herke;坦内贝格,丹尼尔;彼得斯,简:政策搜索中的广义探索(2017)
  19. 阿马兰,SATAYJITH;ShanydIs,Nikolaos V.;Sharda,BikRAM;Burn,Scott J.:模拟优化:算法和应用的回顾(2016)
  20. 马蒂厄,Morio,Jer R.MeMe;Brevault,Lo II:C.在输入概率分布参数的认知不确定性存在下的稀有事件概率估计(2016)

进一步的出版物可以在:http://www. LRI.FR/~汉森/出版物