李振华;张庆福 变异矩阵自适应的可变度量进化策略。 (英语) Zbl 1475.68480号 信息科学。 541, 136-151 (2020). 摘要:协方差矩阵自适应进化策略(CMA-ES)是最成功的进化算法之一。CMA-ES通过演化一个完整的协方差矩阵来增量学习可变度量。然而,它承受着很高的计算负载。在本文中,我们提出了两种有效的CMA-ES变体,称为变异矩阵自适应(MMA-ES)和指数MMA-ES(xMMA-ES。这些变量是通过对CMA-ES中协方差矩阵的更新进行一阶近似得到的。这两种变量避免了计算成本高昂的矩阵分解,同时保持了CMA-ES更新方案的简单性。我们分析了MMA-ES和xMMA-ES的性质以及与进化策略的其他变体的联系。我们对所提算法的行为和性能进行了实验研究。xMMA-ES和MMA-ES的表现通常优于CMA-ES或与CMA-ES竞争。我们已经在BBOB基准上使用BiPop重启策略调查了MMA-ES性能。实验结果验证了所提算法的性能。 MSC公司: 68瓦50 进化算法、遗传算法(计算方面) 68T05型 人工智能中的学习和自适应系统 90 C59 数学规划中的近似方法和启发式 关键词:进化策略;变异矩阵自适应;可变度量学习;进化路径 软件:CMA-ES公司 PDF格式BibTeX公司 XML格式引用 \textit{Z.Li}和\textit{Q.Zhang},信息科学。541、136--151(2020;Zbl 1475.68480) 全文: 内政部 参考文献: [1] Beyer,H.-G。;Schwefel,H.-P.,《进化战略——综合介绍》,《自然计算》。,1, 3-52 (2002) ·Zbl 1014.68134号 [2] 振华,L。;Xi,L.等人。;Z.庆福。;Liu,H.,《持续优化的进化策略:最新技术概览》,Swarm Evol。计算。(2020年),提前进入 [3] Hansen,N。;Ostermier,A.,《进化策略中的完全错乱的自我适应》,Evol。计算。,9, 159-195 (2001) [4] N.Hansen,《在BBOB-2009功能试验台上对双种群CMA-ES进行基准测试》,载于:《遗传与进化计算会议论文集》,2009年,第2389-2396页。 [5] N.Hansen,R.Ros,《在bbob-2010无噪声试验台上对加权负协方差矩阵更新进行基准测试》,载于:《遗传与进化计算会议的进程》,2010年,第1673-1680页。 [6] Beyer,H.-G.,基于信息几何范式的进化算法的收敛分析,Evol。计算。,22, 679-709 (2014) [7] Hansen,N。;穆勒,S.D。;Koumoutsakos,P.,利用协方差矩阵自适应(CMA-ES)降低非自治进化策略的时间复杂性,Evol。计算。,11, 1-18 (2003) [8] N.Hansen,《CMA进化策略:比较评论》,载于:走向新的进化计算,Springer,2006年,第75-102页。 [9] 萨托普,T。;Hansen,N。;Igel,C.,可变度量进化策略的有效协方差矩阵更新,马赫数。学习。,75, 167-197 (2009) ·兹比尔1470.68183 [10] Z.Li,Q.Zhang,使用辅助进化路径对Cholesky CMA-ES进行有效的1级更新,见:《进化计算大会会议记录》,2017年,第1777-1784页。 [11] 克劳斯,O。;Igel,C.,进化策略的更有效秩一协方差矩阵更新,(ACM遗传算法基础会议进展(2015)),129-136·Zbl 1360.62273号 [12] 拜尔,H.-G。;Sendhoff,B.,简化协方差矩阵自适应进化策略,IEEE Trans。埃沃。计算。,21 (2017) [13] Hansen,N.,《CMA进化策略:教程》,CoRR(2016) [14] H.-G.Beyer,B.Sendhoff,卷积矩阵自适应重温CMSA进化策略,《自然中解决并行问题的过程》(2008)123-132。 [15] Hansen,N。;Auger,A.,《连续随机搜索的原则设计:从理论到实践》(Metaeuristics设计的理论和原则方法(2014),Springer),145-180·Zbl 1328.68195号 [16] N.Hansen,《自适应编码:如何使搜索坐标系保持不变》,载于:《自然中解决并行问题的过程》,2008年,第205-214页。 [17] O.Krause,T.Glasmachers,《具有乘法协方差矩阵更新的CMA-ES》,载于:《遗传与进化计算会议的进程》,2015年,第281-288页。 [18] Y.Akimoto,Y.Nagata,I.Ono,S.Kobayashi,CMA进化策略和自然进化策略之间的双向关系,摘自:《从自然中解决并行问题的过程》,Springer-Verlag,2010年,第154-163页。 [19] Absil,P.-A.公司。;Mahony,R。;Sepulchre,R.,矩阵流形上的优化算法(2007),普林斯顿大学出版社:普林斯顿大学出版,美国新泽西州普林斯顿·Zbl 1147.65043号 [20] Beyer,H.-G。;Hellwig,M.,椭球模型上累积步长适应的动力学,Evol。计算。,24, 25-57 (2016) [21] C.Igel,T.Suttorp,N.Hansen,进化策略的计算效率协方差矩阵更新和A(1+1)-CMA,收录于:遗传与进化计算会议的进程,2006年,第453-460页。 [22] I.Loshchilov,T.Glasmachers,H.-G.Beyer,《大规模黑盒优化的有限内存矩阵自适应》,arXiv预印本arXiv:1705.06693(2017)。 [23] A.Auger,N.Hansen,《随着人口规模的增加重新启动CMA进化策略》,载于:《进化计算大会会议记录》,2005年第3卷,第1769-1776页。 [24] Hansen,N。;芬克,S。;Auger,A.,Real-parameter black-box optimization benchmarking 2010:无声函数定义(2010),INRIA,(技术报告) [25] N.Hansen,S.Kern,评估多模态测试函数的CMA进化策略,收录于:《自然中解决并行问题的程序》,2004年,第282-291页。 [26] N.Hansen,A.Auger,R.Ros,S.Finck,P.Pošík,比较黑盒优化基准BBOB-2009中31种算法的结果,见:遗传与进化计算会议的进程,2010年,第1689-1696页。 [27] G.A.Jastrebski,D.V.Arnold,《通过主动协方差矩阵适应改进进化策略》,载于:《进化计算大会会议记录》,2006年,第2814-2821页。 [28] R.Ros,N.Hansen,《CMA-ES中实现线性时间和空间复杂性的简单修改》,载于:《自然中解决并行问题的程序》,2008年,第296-305页。 [29] 李,Z。;Zhang,Q.,《大规模黑盒优化的简单而有效的进化策略》,IEEE Trans。埃沃。计算。,22, 637-646 (2018) [30] 李,Z。;张,Q。;林,X。;Zhen,H.-L.,用于大规模黑盒优化的快速协方差矩阵自适应,IEEE Trans。赛博。,50, 2073-2083 (2020) [31] Z.Li,J.Deng,W.Gao,Q.Zhang,H.Liu,高维连续局部搜索的高效精英协方差矩阵自适应,2019年IEEE进化计算大会,2019,第936-943页。 [32] 拉托雷,A。;Muelas,S。;Peña,J.-M.,《大规模全局优化器的综合比较》,《信息科学》。,316, 517-549 (2015) [33] 杨,Z。;Tang,K。;Yao,X.,使用合作协同进化的大规模进化优化,信息科学。,178, 2985-2999 (2008) ·Zbl 1283.65064号 [34] 曹,G。;巴切加,L.R。;Bouman,C.A.,高维信号协方差估计和分析的稀疏矩阵变换,IEEE Trans。图像处理。,20, 625-640 (2011) ·兹比尔1372.94326 [35] Golub,G.H。;Van Loan,C.F.,《矩阵计算》(1996),约翰·霍普金斯大学出版社:约翰·霍普金大学出版社,美国马里兰州巴尔的摩·Zbl 0865.65009号 [36] 桑格,T.D.,单层线性前馈神经网络中的最优无监督学习,神经网络。,2, 459-473 (1989) 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。