CMA-ES算法解决连续优化问题

一、算法介绍

CMA-ES是Covariance Matrix Adaptation Evolutionary Strategies的缩写，中文名称是协方差矩阵自适应进化策略，主要用于解决连续优化问题，尤其在病态条件下的连续优化问题。进化策略算法主要作为求解参数优化问题的方法，模仿生物进化原理，假设不论基因发生何种变化，产生的结果（性状）总遵循这零均值，某一方差的高斯分布。注意这里进化策略和遗传算法不同，但是都是进化算法（EAs）的重要变种。

二、算法实现

三、主要特点

1. 使用多变量的正态分布产生新的搜索点

-遵循最大熵原理 x⃗ i∼m⃗ +σN(0,C) for i = 1, 2, …, λ

2. 基于排序的选择过程

-暗含了不变性， 对于g(f(x))来说具有相同的性能，g是增函数

3. 步长控制使得快速收敛更加便捷

-基于进化路径

4. 协方差矩阵自适应算法增加了成功步长的似然性，可以根据问题规模的数量级改善性能。

- C∝H−1⟺调整变量的类型，由海森矩阵等价成更为简单的协方差矩阵 - ⟺产生一种新的问题表示方法 - ⇒f(x)=g(xTHx)问题简化为g(xTx)