参考文献:A. Auger and N. Hansen, “A restart CMA evolution strategy with increasing population size,” 2005 IEEE Congress on Evolutionary Computation
背景
在2001年的时候,柏林工业大学的 Hansen教授和Ostermeier教授在进化策略(ES)的随机自适应机制上取得了重大突破,开发了协方差矩阵自适应策略(CMA-ES),通过调整多元正太分布的协方差矩阵,CMA-ES可以迅速匹配目标函数形状并快速收敛。
但CMA-ES毕竟是一个局部优化器,无法进行全局优化任务,所以在2005年的CEC单目标竞赛中,Auger博士和她的导师Hansen教授带来了IPOP-CMA-ES,为CMA-ES配备了全局优化机制并力压群雄取得了冠军。
重启条件:restart criteria
- 最好的个体目标函数值误差 error 持续( 10 + ⌈ 30 n λ ⌉ 10+ \left \lceil \frac{30n}{\lambda} \right \rceil 10+⌈λ30n⌉)代为0或者小于 1 0 − 12 10^{-12} 10<