Process / pipeline

Еволюционна стратегия (CMA-ES) — Адаптация на ковариационна матрица

CMA-ES, съкращение от Covariance Matrix Adaptation Evolution Strategy, е модерен безпроизводен оптимизатор за непрекъснати "чернокутийни" функции, въведен от Хансен и Остермайер през 2001 г. Той поддържа популация от кандидат-решения, извлечени от многомерно нормално разпределение, и итеративно актуализира средната стойност на разпределението, размера на стъпката и пълната ковариационна матрица, за да насочи търсенето към по-добри области на параметърното пространство. Той се е превърнал в де факто стандарт за непрекъсната "чернокутийна" оптимизация и е широко използван при търсене на невронни архитектури и оптимизация на политики за подсилващо обучение.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Източници

  1. Hansen, N. & Ostermeier, A. (2001). Completely Derandomized Self-Adaptation in Evolutionary Strategies. Evolutionary Computation, 9(2), 159-195. DOI: 10.1162/106365601750190398
  2. Hansen, N. (2016). The CMA Evolution Strategy: A Tutorial. arXiv:1604.00772. link

Как да цитирате тази страница

ScholarGate. (2026, June 1). Covariance Matrix Adaptation Evolution Strategy (CMA-ES). ScholarGate. https://scholargate.app/bg/optimization/evolutionary-strategy

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Цитиран в

ScholarGateEvolutionary Strategy (Covariance Matrix Adaptation Evolution Strategy (CMA-ES)). Извлечено на 2026-06-15 от https://scholargate.app/bg/optimization/evolutionary-strategy · Набор от данни: https://doi.org/10.5281/zenodo.20539026