CMA-ES
轻量级协方差矩阵适应进化策略（CMA-ES）[1]的实现。
消息
2021/03/10 在Optuna中型博客上发布。 本文介绍了何时以及如何充分利用CMA-ES采样器。 请检查一下！
2021/02/02由该库的维护者撰写的论文在AAAI 2021上被接受 :party_popper:
2020/07/29 Optuna的内置CMA-ES采样器在后台使用此库，已在Optuna v2.0中稳定。 请查看。
安装
支持的Python版本是3.6或更高版本。
$ pip install cmaes
或者，您可以通过安装。
$ conda install -c conda-forge cmaes
用法
该库提供了一种“问与答”风格的界面。
import numpy as np
from cmaes import CMA
def quadratic ( x1 , x2 ):
return
2021-10-31 20:43:59
41KB
1
介绍人工智能启发式搜索算法 3-6 页为算法简介及基本思想 8-13页为传统进化规划算法介绍 14页转折进入启发式进化规划算法 16-23为两个案例比较传统与启发式之间的区别 25-26 总结 一共27页
2021-10-31 12:17:08
707KB
1
Differential Evolution——A Practical Approach to Global Optimization 差分进化算法入门基础书籍
2021-10-30 20:25:49
9.44MB
1