Evolucionārā stratēģija (CMA-ES) — Kovariācijas matricas adaptācija
CMA-ES, saīsinājumā Covariance Matrix Adaptation Evolution Strategy, ir mūsdienīgs bezgradientu optimizētājs nepārtrauktām melnās kastes funkcijām, ko 2001. gadā ieviesa Hansens un Ostermeiers. Tas uztur kandidātu risinājumu populāciju, kas izvilkta no daudzvariāciju normālā sadalījuma, un iteratīvi atjaunina sadalījuma vidējo vērtību, soļa lielumu un pilnu kovariācijas matricu, lai virzītu meklēšanu uz labākām parametru telpas reģioniem. Tā ir kļuvusi par de facto standartu nepārtrauktai melnās kastes optimizācijai un tiek plaši izmantota neironu arhitektūras meklēšanā un pastiprinājuma mācīšanās politikas optimizācijā.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Covariance Matrix Adaptation Evolution Strategy (CMA-ES). ScholarGate. https://scholargate.app/lv/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.
- Optimizācija ar Bajesas metodiOptimizācija↔ compare
- Ģenētiskais algoritmsOptimizācija↔ compare
- Particle Swarm Optimization (PSO)Optimizācija↔ compare
- Robustā optimizācijaOptimizācija↔ compare
- Optimizācija, balstīta uz aizstājējiemOptimizācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →