摘要
Y.Akimoto、A.Auger和N.Hansen。 单调C上各向同性演化策略连续时间轨迹的收敛性 2 -复合函数。 《自然问题解决》(PPSN XII),第42-51页,2012年。 谷歌学者 Y.Akimoto和N.Hansen。 限制协方差矩阵自适应的在线模型选择。 《自然中的并行问题解决》-PPSN XIV,第3-13页,2016年。 谷歌学者 交叉引用 Y.Akimoto和N.Hansen。 基于投影的高维受限协方差矩阵自适应。 在遗传和进化计算会议上,GECCO,第197-204页,2016年。 谷歌学者 数字图书馆 D.V.阿诺德。 最优加权重组。 《遗传算法基础》,第215-237页,2005年。 谷歌学者 数字图书馆 D.V.阿诺德。 关于优化某些正定二次型的进化策略的使用。 在遗传和进化计算会议上,GECCO,第634-641页,2007年。 谷歌学者 数字图书馆 A.螺旋钻。 基于比较的随机连续黑盒优化算法分析。 《习惯化》,巴黎大学南方分校,2015年。 谷歌学者 A.Auger、D.Brockhoff和N.Hansen。 加权重组进化策略中的镜像采样。 在遗传和进化计算会议上,GECCO,第861-868页,2011年。 谷歌学者 数字图书馆 A.Auger和N.Hansen。 重新考虑有限维进化策略的进展率理论。 在遗传和进化计算会议上,GECCO,第445-4522006页。 谷歌学者 数字图书馆 A.Auger和N.Hansen。 基于马尔可夫链稳定性的基于比较的步长自适应随机搜索的线性收敛性。 SIAM优化杂志,26(3):1589--16242016。 谷歌学者 交叉引用 H.-G.拜尔。 走向“进化策略”理论:(1+,ł)-策略在(几乎)任意适应度函数上的结果。 在《自然的并行问题解决》(Parallel Problem Solving from Nature)一书中,PPSN III,第58-67页,1994年。 谷歌学者 H.-G.拜尔。 进化策略理论。 自然计算系列。 斯普林格-Verlag,2001年。 谷歌学者 交叉引用 H.-G.Beyer和M.Hellwig。 椭球模型上累积步长自适应的动力学。 进化计算,24(1):25-572016年。 谷歌学者 数字图书馆 H.-G.Beyer和A.Melkozerov。 一般椭球模型上自适应多重组进化策略的动力学。 IEEE进化计算汇刊,18(5):764--7782014。 谷歌学者 交叉引用 A.达斯·古普塔。 统计学和概率的渐近理论。 施普林格科学与商业媒体,2008年。 谷歌学者 L.德夫罗伊。 非均匀随机变量生成。 纽约施普林格出版社,1986年。 谷歌学者 交叉引用 S.Finck和H.G.Beyer。 一类pdqf的加权重组进化策略。《遗传算法基础》,FOGA,第1-12页,2009年。 谷歌学者 数字图书馆 N.Hansen和A.Auger。 连续随机搜索的原则设计:从理论到实践。 在Y.Borenstein和A.Moraglio,编辑,元启发式设计的理论和原理方法。 斯普林格,2014年。 谷歌学者 交叉引用 N.Hansen和S.Kern。 评估多模态测试函数的cma进化策略。 《自然中的并行问题解决》-PPSN VIII,第282-291页,2004年。 谷歌学者 交叉引用 Jägersküpper博士。 (1+1)如何使用各向同性突变最小化正定二次型。 理论计算机科学,361(1):38-562006。 谷歌学者 数字图书馆 M.Jebalia和A.Auger。 尺度不变(μ/μ)的对数线性收敛 ω ,λ)-es和最佳μ,用于大规模种群的中间重组。 《自然中的并行问题解决》-PPSN XI,第52-62页,2010年。 谷歌学者 M.Jebalia和A.Auger。 尺度不变(μ/μ)的对数线性收敛 ω ,λ)-ES和大种群中间重组的最优mu。 研究报告RR-72752010年6月。 谷歌学者 M.Jebalia、A.Auger和P.Liardet。 (1+1)-es的对数线性收敛和最优边界。《进化人工智能》(EA'07),第207-2182008页。 谷歌学者 交叉引用 I.洛希洛夫。 用于大规模优化的计算效率有限的内存cma-es。 在遗传和进化计算会议上,GECCO,第397-404页,2014年。 谷歌学者 数字图书馆 I.Rechenberg,《进化战略》94。 Frommann-Holzboog,斯图加特-巴德-坎斯塔特,1994年。 谷歌学者 R.Ros和N.Hansen。 cma中的一个简单修改可以实现线性时间和空间复杂度。 《自然中的并行问题解决》-PPSN X,第296-305页,2008年。 谷歌学者 数字图书馆 O.Teytaud和S.Gelly。 进化算法的一般下限。 《自然中的并行问题解决-PPSN IX》,第21-312006页。 谷歌学者 数字图书馆
建议
加权重组进化策略中的镜像采样 GECCO’11:第13届遗传与进化计算年会论文集 本文将镜像抽样引入加权多重重组进化策略。 引入了两种进一步的启发式算法:成对选择最多选择两个镜像向量中的一个,以避免由于。。。