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.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Hansen, N. & Ostermeier, A. (2001). Completely Derandomized Self-Adaptation in Evolutionary Strategies. Evolutionary Computation, 9(2), 159-195. DOI: 10.1162/106365601750190398 ↗
- 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.
- Байесовска оптимизацияОптимизация↔ compare
- Генетичен алгоритъмОптимизация↔ compare
- Оптимизация чрез рояк от частици (PSO)Оптимизация↔ compare
- Робастна оптимизацияОптимизация↔ compare
- Оптимизация, базирана на заместващи моделиОптимизация↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →