CMA-ES: A Function Value Free Second Order Optimization Method

Nikolaus Hansen 1
1 TAO - Machine Learning and Optimisation
LRI - Laboratoire de Recherche en Informatique, UP11 - Université Paris-Sud - Paris 11, Inria Saclay - Ile de France, CNRS - Centre National de la Recherche Scientifique : UMR8623
Abstract : We give a bird's-eye view introduction to the Covariance Matrix Adaptation Evolution Strategy (CMA-ES) and emphasize relevant design aspects of the algorithm, namely its invariance properties. While CMA-ES is gradient and function value free, we show that using the gradient in CMA-ES is possible and can reduce the number of iterations on unimodal, smooth functions.
Liste complète des métadonnées


https://hal.inria.fr/hal-01110313
Contributeur : Nikolaus Hansen <>
Soumis le : jeudi 29 janvier 2015 - 20:05:56
Dernière modification le : jeudi 9 février 2017 - 15:54:33
Document(s) archivé(s) le : mercredi 27 mai 2015 - 13:41:48

Fichier

hansen-pgmo-copi-2014.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01110313, version 1

Citation

Nikolaus Hansen. CMA-ES: A Function Value Free Second Order Optimization Method. PGMO COPI 2014, Oct 2014, Paris, France. 2014. <hal-01110313>

Partager

Métriques

Consultations de
la notice

211

Téléchargements du document

253