模块化CMA-ES在SBOX-COST基准套件中严格约束问题的分析
摘要：限制条件限制了决策变量的范围，在实际的优化问题中很常见，例如，由于物理、自然或空间限制。因此，违反限制条件的解决方案可能无法评估。这一假设在文献中经常被忽视，例如，现有的基准测试套件，如COCO/BBOB，允许优化器评估不可行的解决方案。本文介绍了一个关于严格限制条件基准测试套件(SBOX-COST)的初步研究，它是一个强制使用返回无效评估值的方法来强制实施限制条件的BBOB基准测试套件的变体。具体而言，我们想要了解BBOB和SBOX-COST之间的性能差异，这是作为两种初始化方法和六种约束处理策略的函数的一个函数，这些函数都是用模块化CMA-ES进行测试的。我们发现，与预期相反，通过饱和处理限制条件并不总是比不处理好。然而，在所有的BBOB函数中，饱和处理的效果要优于不处理，而且随着维度的增加，差异也会增大。严格强制限制条件也对经典CMA-ES的性能产生明显的负面影响(使用均匀随机初始化和无约束处理)，特别是问题维度增加时。
作者：Diederick Vermetten and Manuel L''opez-Ib''a~nez and Olaf Mersmann and Richard Allmendinger and Anna V. Kononova
论文ID：2305.15102
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-05-25