关键词covariance matrix adaptation evolution strategy
搜索结果 - 8
- 结构偏差对沿仿射轨迹的 CMA-ES 性能的深入研究
该研究探究了模块化协方差矩阵适应进化策略(modCMA)中结构偏差的影响,特别关注算法中各个模块的作用,通过对 435,456 种 modCMA 配置的广泛调查,确定了显著影响各类结构偏差的关键模块。研究利用 Deep-BIAS 工具箱进行 - 室内场景的人机协同活动重新排列
本文提出一种基于优化的框架用于重新布置室内家具,以更好地容纳人机共同活动。优化算法基于多种空间和语义相关信息,将家具重新布置以保留人类功能性需求的同时为机器人活动留出足够空间,并通过自适应模拟退火和共轭梯度演化策略解决优化问题。实验结果显示 - MoG-VQE: 多目标遗传变分量子本征求解器
本文介绍了一种名为 MoG-VQE 的算法,该算法利用多目标帕累托优化,采用基因改进的策略,对电路拓扑进行优化,并采用协方差矩阵适应进化策略优化单量子比特旋转角度,目的是在低深度和高精度之间找到最优解。在多种分子的测试中,可以观察到与标准算 - 利用深度卷积生成对抗网络的潜在空间演化马里奥关卡
本论文使用对抗生成网络 (GANs) 和协方差矩阵自适应进化策略 (CMA-ES) 生成了大量类似原始语料库中的 Super Mario Bros 的电子游戏层级,并使用各种适应性函数发现了专家所设计示例空间内存在的层级,并引导搜索满足一个 - 使用 CMA-ES 算法对深度神经网络的超参数进行优化
本文提出使用 CMA-ES 算法作为深度神经网络超参数优化的一种可行的选择,通过一个 MNIST 数据集的卷积神经网络的 toy experiment,对比了 CMA-ES 和 Bayesian 优化算法在 30 个 GPU 并行计算下的效 - 基于最大似然的 CMA-ES 超参数在线自适应调整
本文研究了 CMA-ES 的在线自适应方法 self-CMA-ES,旨在优化连续非线性问题的超参数设置,实验结果表明 self-CMA-ES 可以使得优化性能接近最优设置。
- 动态社交网络中基于进化算法的链接预测
描述、解释网络动态变化的关键挑战之一是预测短期和长期变化,在考虑增强节点属性和网络拓扑特征的基础上,应用 CMA-ES 优化 16 个邻域和节点相似性指数的权重来预测未来的链接,从而为推特回复网络的演化提供一些计算机建模的线索。
- CMA-ES 的信息几何学视角下的理论基础
本文从信息几何的角度探讨了协方差矩阵自适应进化策略(CMA-ES)的理论基础,并得出一些关键性的结论,包括 CMA-ES 中抽样分布参数的更新与期望适应性的自然梯度学习等存在密切联系。