Process / pipeline
진화 전략 (CMA-ES) — 공분산 행렬 적응
CMA-ES는 공분산 행렬 적응 진화 전략(Covariance Matrix Adaptation Evolution Strategy)의 약자로, 2001년 Hansen과 Ostermeier가 제안한 연속형 블랙박스 함수를 위한 현대적인 도함수-자유 최적화 기법입니다. 이 방법은 다변량 정규 분포에서 추출된 후보 해 집단을 유지하고, 분포의 평균, 스텝 크기, 전체 공분산 행렬을 반복적으로 업데이트하여 탐색을 매개변수 공간의 더 나은 영역으로 유도합니다. 이는 연속형 블랙박스 최적화의 사실상의 표준이 되었으며, 신경망 구조 탐색 및 강화 학습 정책 최적화에 널리 사용됩니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Covariance Matrix Adaptation Evolution Strategy (CMA-ES). ScholarGate. https://scholargate.app/ko/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.
- 베이지안 최적화최적화↔ compare
- 유전 알고리즘최적화↔ compare
- 입자 군집 최적화 (PSO)최적화↔ compare
- 강건 최적화최적화↔ compare
- 대리 모델 기반 최적화최적화↔ compare