evox.algorithms.so.es_variants.esmc

模块内容

类

ESMC

DES算法的实现。

API

class evox.algorithms.so.es_variants.esmc.ESMC(pop_size: int, center_init: torch.Tensor, optimizer: Literal[adam] | None = None, sigma_decay: float = 1.0, sigma_limit: float = 0.01, lr: float = 0.05, sigma: float = 0.03, device: torch.device | None = None)[源代码]

基础: evox.core.Algorithm

DES算法的实现。

参考文献：Learn2Hop: Learned Optimization on Rough Landscapes (https://proceedings.mlr.press/v139/merchant21a.html)

这段代码受到了 evosax 中算法实现的启发或使用了其实现。有关 evosax 的更多信息，请访问以下网址：GitHub 链接：https://github.com/RobertTLange/evosax

初始化

用给定的参数初始化ESMC算法。

参数:

  • pop_size -- 种群大小。

  • center_init -- 种群的初始中心。必须是一个一维张量。

  • elite_ratio -- 精英种群的比例。默认为 0.1。

  • lr -- 优化器的学习率。默认值为 0.05。

  • sigma_decay -- 标准差的衰减因子。默认为 1.0。

  • sigma_limit -- 标准差的最小值。默认值为 0.01。

  • optimizer -- 使用的优化器（optimizer）。 默认情况下为 None。 仅 support "adam" 或 None。

  • device -- 设备的使用者（设备用于存放张量的硬件）。默认为 None。

step()[源代码]

ESMC算法的一次迭代。

此函数将对一个种群进行抽样，评估它们的适应度，然后使用抽样的种群更新算法的中心和标准差。

record_step()[源代码]