Cascading CMA-ES Instances for Generating Input-diverse Solution Batches

作者: Maria Laura Santoni, Christoph Dürr, Carola Doerr, Mike Preuss, Elena Raponi

发布时间: 2025-02-24

来源: arxiv

研究方向: 优化算法与进化计算

主要内容

该论文提出了一种基于CMA-ES算法的CMA-ES-Diversity Search (CMAES-DS) 算法，旨在生成具有高质量和多样性的解决方案批次，同时确保最佳解决方案的质量不受损害。该算法通过并行运行CMA-ES实例并继承禁忌区域来促进多样性。

1. 提出了一种新的CMA-ES-Diversity Search (CMAES-DS) 算法，用于生成具有高质量和多样性的解决方案批次。

2. 通过并行运行CMA-ES实例并继承禁忌区域来促进多样性。

3. 在BBOB函数上进行了实验，证明了CMAES-DS算法在生成高质量和多样性的解决方案批次方面的有效性。

4. 比较了CMAES-DS算法与随机采样、多模态优化算法和标准CMA-ES算法的性能。

5. 提出了三种不同的方法来从完整搜索轨迹中提取批次，并比较了它们的性能。

1. Covariance Matrix Adaptation Evolution Strategy (CMA-ES)

2. 禁忌区域

3. 多模态优化

4. 随机采样

5. Gurobi优化器

6. 贪心选择方法

7. 清除过程

CMAES-DS算法在BBOB函数上表现出色，在多个设置下优于随机采样、多模态优化算法和标准CMA-ES算法。在具有高维度、小预算和强距离约束的设置中，CMAES-DS算法的性能尤为突出。

未来工作将包括更深入地研究领导解决方案和替代解决方案之间的权衡，以及将这些结果应用于社会选择理论。此外，将CMAES-DS算法集成到最先进的优化框架中，以提高其在学术和工业用户中的可用性。