pycma
[ ]引用为：
尼古拉斯·汉森（Nikolaus Hansen），秋本优平（Youhei Akimoto）和彼得·鲍迪斯（Petr Baudis）。 Github上的CMA-ES / pycma。 Zenodo， ,2019年2月。
pycma是的Python实现和一些相关的数值优化工具。
（ ）是用于连续搜索空间中困难（非凸，病态，多模态，粗糙，嘈杂）优化问题的随机无导数优化算法。
有用的链接：
安装
类型
python -m pip install cma
在系统shell安装从Python包索引（PyPI中） （这可能是在Github上最新的版本标签后面）。 该发行链接还提供了更多安装提示和快速入门指南。
conda install --channel cma-es cma
从cma-es云通道cma-es 。
安装当前的master分支
快速方法
2022-06-06 14:31:01
231KB
1
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
进化策略（ES）是最早也是最古老的进化算法，它基于自适应和进化。特别地，用于描述进化策略如何工作的主要概念是进化。进化策略算法的最新，最强大的版本之一是协方差矩阵适应进化策略（CMA-ES），该算法由Nikolaus Hansen和Andreas Ostermeier于2001年提出。在本文中，我们将与您分享MATLAB中CMA-ES的结构化开源实现。
2021-07-06 19:36:04
2KB
1
一个使用python对puf的模拟器，并使用机器学习结合cma-es（协方差矩阵自适应策略）进行建模攻击，得出准确率。
2021-03-11 20:08:43
10KB
1