進化策略

Question

自適應進化策略的基本思想是什麼？什麼是策略參數，以及它們在算法運行期間如何被操縱？

Answer 1

關於Evolution Strategy的scholarpedia有一篇很好的文章。我還可以推薦優秀的期刊文章：Beyer，H.-G. Schwefel，H.-P.進化策略 - 綜合介紹。自然計算，2002,1,3-52。

在ES的歷史中，有幾種採用策略參數的方法。適應的目標通常是當前解決方案周圍採樣區域的形狀和大小。第一個是1/5成功規則，然後是西格瑪自適應和最後的協方差矩陣適應（CMA-ES）。爲什麼這很重要？簡單來說：突變強度的調整對於維持搜索各個階段的演化進程是必要的。越接近最佳狀態，你越想改變你的向量。

CMA-ES優於西格瑪自適應的優勢在於它也適應了區域的形狀。西格瑪自適應僅限於軸平行適配。

Answer 2

想要得到一個更大的圖片，書Introduction to Evolutionary Computing有一個偉大的章節（＃8）參數控制，這是自適應的一部分。

這裏是介紹部分採取報價：

在全球範圍內，我們區分設置參數值的兩種主要形式： 參數調整和參數控制。通過參數調整，我們的意思是 通常實踐的方法，相當於找到好的值 的參數不運行算法，然後運行 算法使用這些值，它們在運行期間保持不變。後面的 在本節中我們給出的論點是任何參數 具有在EA運行期間固定的值的靜態集似乎是不合適的。 參數控制形成另一種選擇。因爲它相當於開始 運行時初始參數值在運行期間被更改。

參數調整是一種典型的算法設計方法。通過對不同的值進行試驗並選擇 這些可以在測試問題上給出最佳結果的方法來完成這種調整。手。 然而，可能的參數和它們的值不同 裝置的數量，這是一個非常耗時的活動

[參數控制]是基於以下觀察：對於進化算法找到好的 參數值是結構化不良， 不明確的，複雜的問題。這正是 上的那種問題，其中EA通常被認爲比其他方法表現更好。 因此，使用EA將EA調整爲 特定問題是一個自然的想法。這可以使用兩個EA來完成：一個用於解決問題 ，另一個用於調整第一個 。也可以通過僅使用一個可以解決該問題的EA來解決該問題。 自適應，在進化策略引入改變 突變參數，屬於這一類

再其次是具體的例子和進一步的細節中。

Answer 3

一般而言，演化計算中自適應背後的目標是算法應該是一般的，並且需要儘可能少地指定輸入參數形式的問題知識。 自適應使得算法更加通用，無需選擇正確的參數化問題知識。