Počet záznamů: 1
Doubly Trained Evolution Control for the Surrogate CMA-ES
- 1.
SYSNO ASEP 0466878 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Doubly Trained Evolution Control for the Surrogate CMA-ES Tvůrce(i) Pitra, Zbyněk (UIVT-O) RID, ORCID, SAI
Bajer, L. (CZ)
Holeňa, Martin (UIVT-O) SAI, RIDZdroj.dok. Parallel Problem Solving from Nature - PPSN XIV. - Cham : Springer, 2016 / Handl J. ; Hart E. ; Lewis P.R. ; López-Ibáñez M. ; Ochoa G. ; Paechter B. - ISSN 0302-9743 - ISBN 978-3-319-45822-9 Rozsah stran s. 59-68 Poč.str. 10 s. Forma vydání Tištěná - P Akce PPSN XIV. International Conference on Parallel Problem Solving from Nature /14./ Datum konání 17.09.2016 - 21.09.2016 Místo konání Edinburgh Země GB - Velká Británie Typ akce WRD Jazyk dok. eng - angličtina Země vyd. CH - Švýcarsko Klíč. slova black-box optimization ; surrogate model ; evolution control ; Gaussian process Vědní obor RIV IN - Informatika CEP NV15-33250A GA MZd - Ministerstvo zdravotnictví Institucionální podpora UIVT-O - RVO:67985807 UT WOS 000387962100006 EID SCOPUS 84988531113 DOI 10.1007/978-3-319-45823-6_6 Anotace This paper presents a new variant of surrogate-model utilization in expensive continuous evolutionary black-box optimization. This algorithm is based on the surrogate version of the CMA-ES, the Surrogate Covariance Matrix Adaptation Evolution Strategy (S-CMA-ES). Similarly to the original S-CMA-ES, expensive function evaluations are saved through a surrogate model. However, the model is retrained after the points in which its prediction was most uncertain have been evaluated by the true fitness in each generation. We demonstrate that within small budget of evaluations, the new variant of S-CMA-ES improves the original algorithm and outperforms two state-of-the-art surrogate optimizers, except a few evaluations at the beginning of the optimization process. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2017
Počet záznamů: 1