Kovarianssimatriisin adaptaatio (CMA-ES) — Covariance Matrix Adaptation

CMA-ES (lyhenne sanoista Covariance Matrix Adaptation Evolution Strategy) on Hansenin ja Ostermeierin vuonna 2001 esittelemä moderni derivaatatonta optimointimenetelmä jatkuville mustan laatikon funktioille. Se ylläpitää kandidaattiratkaisujen populaatiota, joka on otettu monimuuttujaisesta normaalijakaumasta, ja päivittää iteratiivisesti jakauman keskiarvoa, askelkokoa ja täyttä kovarianssimatriisia ohjatakseen hakua kohti parempia alueita parametriavaruudessa. Siitä on tullut de facto -standardi jatkuvassa mustan laatikon optimoinnissa, ja sitä käytetään laajalti neuroarkkitehtuurin haussa ja vahvistusoppimisen politiikan optimoinnissa.