• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IAAI-12;Innovative applications of artificial intelligence conference;AAAI conference on artificial intelligence;Symposium on educational advances in artificial intelligence;AAAI-12;EAAI-12 >Improving Convergence of CMA-ES Through Structure-Driven Discrete Recombination
【24h】

Improving Convergence of CMA-ES Through Structure-Driven Discrete Recombination

机译：通过结构驱动的离散重组提高CMA-ES的收敛性

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Evolutionary Strategies (ES) are a class of continuous optimization algorithms that have proven to perform very well on hard optimization problems. Whereas in earlier literature, both intermediate and discrete recombination operators were used, we now see that most ES, e.g. CMA-ES, use only intermediate recombination. While CMA-ES is considered state-of-the-art in continuous optimization, we believe that reintroducing discrete recombination can improve the algorithms' ability to escape local optima. Specifically, we look at using information on the problem's structure to create building blocks for recombination.
机译：进化策略（ES）是一类连续的优化算法，已被证明可以很好地解决难题。而在较早的文献中，既使用了中间重组运算符又使用了离散重组运算符，但现在我们看到大多数ES，例如CMA-ES，仅使用中间重组。虽然CMA-ES被认为是连续优化中的最新技术，但我们认为重新引入离散重组可以提高算法逃脱局部最优的能力。具体来说，我们着眼于使用有关问题结构的信息来创建用于重组的构建基块。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号