evox.algorithms.so.es_variants.guided_es

模块内容

类

GuidedES

Guided-ES 算法的实现。

API

class evox.algorithms.so.es_variants.guided_es.GuidedES(pop_size: int, center_init: torch.Tensor, subspace_dims: int | None = None, optimizer: Literal[adam] | None = None, sigma: float = 0.03, lr: float = 60, sigma_decay: float = 1.0, sigma_limit: float = 0.01, device: torch.device | None = None)[源代码]

基础: evox.core.Algorithm

Guided-ES 算法的实现。

参考文献: Guided evolutionary strategies: Augmenting random search with surrogate gradients (https://arxiv.org/abs/1806.10230)

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 Guided-ES 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。

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

  • lr -- 优化器的学习率。默认值为 0.05。

  • sigma -- 噪声的标准差。默认为 0.03。

  • 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。

  • subspace_dims -- 子空间的维度。默认为 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]

运行 Guided-ES 算法的一步。

该函数将对一个种群进行抽样，评估他们的适应度，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]