自己適応進化戦略の背後にある基本的な考え方は何ですか? 戦略パラメーターとは何ですか?また、アルゴリズムの実行中にそれらはどのように操作されますか?
3 に答える
1
より大きな全体像を把握するために、Evolutionary Computing の紹介には、パラメーター制御に関する優れた章 (#8) があり、自己適応はその一部です。
以下は、導入部からの引用です。
全体的に、パラメーター値の設定には、 パラメーター調整とパラメーター制御という 2 つの主要な形式があります。パラメーターの調整とは、アルゴリズムの実行中にパラメーターの適切な値を見つけ、実行中に固定されたままのこれらの値を使用してアルゴリズムを実行することになる、一般的に実践されているアプローチを意味します。このセクションの後半で、EA の実行中に固定された値を持つパラメーターの静的セットは不適切であると思われるという議論をします。パラメータ制御は代替手段を形成します。実行中に変更された初期パラメーター値で実行を開始することになるためです。
パラメータ調整は、アルゴリズム設計の典型的なアプローチです。このような調整は、さまざまな値を試して、テストの問題で最良の結果が得られる値を選択することによって行われます。手。ただし、可能なパラメーターの数とそれらの値が異なるため、これは非常に時間のかかるアクティビティです。
[パラメーター制御] は、進化的アルゴリズムの適切なパラメーター値を見つけることは、構造が不十分で、定義が不十分で、複雑な問題であるという観察に基づいています。これはまさに、EA が他の方法よりも優れたパフォーマンスを発揮すると考えられる種類の問題です。したがって、EA を特定の問題に合わせて調整するために EA を使用することは自然な考えです。これは、2 つの EA を使用して実行できます。1 つは問題解決用で、もう 1 つはいわゆるメタ EA で、最初の EA を調整します。また、その問題を解決しながら、特定の問題に合わせて調整する EA を 1 つだけ使用することによっても実行できます。 突然変異パラメータを変化させるための進化戦略で導入された自己適応は、このカテゴリに分類されます
その後、具体的な例と詳細が続きます。
于 2012-01-31T21:58:11.723 に答える
1
Scholarpediaに Evolution Strategy に関する優れた記事があります。優れたジャーナル記事もお勧めします: Beyer, H.-G. & Schwefel, H.-P. 進化戦略 - 包括的な紹介。ナチュラル コンピューティング、2002 年、1、3-52。
ES の歴史の中で、戦略パラメータを採用するいくつかの方法がありました。適応の対象は、通常、現在の解の周囲のサンプリング領域の形状とサイズです。最初のルールは 1/5 成功ルールで、次にシグマ自己適応、最後に共分散行列適応 (CMA-ES) です。何でこれが大切ですか？簡単に言えば、突然変異の強さの適応は、検索のすべての段階で進化の進行を維持するために必要です。最適に近づくほど、ベクターの変異は少なくなります。
シグマ自己適応に対する CMA-ES の利点は、領域の形状にも適応することです。シグマ自己適応は、軸平行適応のみに制限されます。
于 2012-01-19T22:42:42.223 に答える
0
一般に、進化計算における自己適応の背後にある目標は、アルゴリズムが一般的であるべきであり、指定する必要がある入力パラメーターの形式で問題の知識をできるだけ少なくする必要があることです。自己適応は、正しいパラメータ化を選択するために問題の知識を必要とせずに、アルゴリズムをより一般的なものにします。
于 2012-02-26T08:43:05.113 に答える