Improving Optimization With Gaussian Processes in the Covariance Matrix Adaptation Evolution Strategy

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F23%3A00579713" target="_blank" >RIV/67985807:_____/23:00579713 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/68407700:21240/23:00368599

Výsledek na webu

<a href="https://ceur-ws.org/Vol-3498/paper10.pdf" target="_blank" >https://ceur-ws.org/Vol-3498/paper10.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Improving Optimization With Gaussian Processes in the Covariance Matrix Adaptation Evolution Strategy

Popis výsledku v původním jazyce

This paper explores the use of Gaussian processes (GPs) in the covariance matrix adaptation evolution strategy (CMA-ES) for black-box optimization. GPs are powerful probabilistic models that capture complex relationships, making them suitable for modeling uncertain objective functions. Integrating GPs into the CMA-ES improves exploration and adaptation in the search space, enhancing convergence speed and solution quality. The paper describes a novel implementation framework allowing to use GPs as surrogate models for the CMA-ES. That framework findings encourage further research to advance the application of GPs in black-box optimization.

Název v anglickém jazyce

Improving Optimization With Gaussian Processes in the Covariance Matrix Adaptation Evolution Strategy

Popis výsledku anglicky

This paper explores the use of Gaussian processes (GPs) in the covariance matrix adaptation evolution strategy (CMA-ES) for black-box optimization. GPs are powerful probabilistic models that capture complex relationships, making them suitable for modeling uncertain objective functions. Integrating GPs into the CMA-ES improves exploration and adaptation in the search space, enhancing convergence speed and solution quality. The paper describes a novel implementation framework allowing to use GPs as surrogate models for the CMA-ES. That framework findings encourage further research to advance the application of GPs in black-box optimization.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2023

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 23st Conference Information Technologies – Applications and Theory (ITAT 2023)

ISBN

—

ISSN

1613-0073

e-ISSN

—

Počet stran výsledku

7

Strana od-do

82-88

Název nakladatele

Technical University & CreateSpace Independent Publishing

Místo vydání

Aachen

Místo konání akce

Tatranské Matliare

Datum konání akce

22. 9. 2023

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—