CMA-ES 算法步骤

Robocup3D

字数统计: 196阅读时长: 1 min

 2019/07/13

CMA-ES 算法步骤

CMA-ES的核心想法是通过对正态分布 $N(m_t,\sigma_t^2C_t)$ 中协方差矩阵 $C$ 的调整来处理变量之间的依赖关系和scaling。算法基本可以分成以下三步

采样产生新解；
计算目标函数值；
更新分布参数 $m_t,~C_t,~\sigma_t$

ES算法设计的核心就是如何对这些参数进行调整，尤其是步长参数和协方差矩阵的调整，以达到尽可能好的搜索效果。对这些参数的调整在ES算法的收敛速率方面有非常重要的影响。CMA-ES调整参数的基本思路是，调整参数使得产生好解的概率逐渐增大（沿好的搜索方向进行搜索的概率增大）。

原文作者：Kairbon

原文链接：https://kairbon.github.io/2019/07/13/CMA-ES-%E7%AE%97%E6%B3%95%E6%AD%A5%E9%AA%A4/

发表日期：July 13th 2019, 9:58:26 am

更新日期：February 7th 2023, 4:05:28 am

版权声明：本文采用知识共享署名-非商业性使用 4.0 国际许可协议进行许可

Next Post

git保存用户名和密码
Previous Post

进化策略（Evolution Strategy）

CATALOG

1. CMA-ES 算法步骤