`evox.algorithms.so.es_variants.nes`¶

模块内容¶

类¶

`XNES`	xNES 算法的实现。
`SeparableNES`	可分 NES 算法的实现。

API¶

class evox.algorithms.so.es_variants.nes.XNES(init_mean: torch.Tensor, init_covar: torch.Tensor, pop_size: int | None = None, recombination_weights: torch.Tensor | None = None, learning_rate_mean: float | None = None, learning_rate_var: float | None = None, learning_rate_B: float | None = None, covar_as_cholesky: bool = False, device: torch.device | None = None)[源代码]¶

基础: evox.core.Algorithm

xNES 算法的实现。

参考文献：Exponential Natural Evolution Strategies (https://dl.acm.org/doi/abs/10.1145/1830483.1830557)

初始化

使用给定的参数初始化 xNES 算法。

参数:

init_mean -- 种群的初始均值向量。必须是一个一维张量。
init_covar -- 种群的初始协方差矩阵。必须是一个二维张量。
pop_size -- 种群的大小。默认值为 None。
recombination_weights -- 种群的重组权重。默认为 None。
learning_rate_mean -- 均值向量的学习率。默认值为 None。
learning_rate_var -- 方差向量的学习率。默认为 None。
learning_rate_B -- B 矩阵的学习率。默认值为 None。
covar_as_cholesky -- 是否将协方差矩阵用作 Cholesky 分解的结果。默认为 False。
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 xNES 算法的一步。

该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协方差。

record_step()[源代码]¶

class evox.algorithms.so.es_variants.nes.SeparableNES(init_mean: torch.Tensor, init_std: torch.Tensor, pop_size: int | None = None, recombination_weights: torch.Tensor | None = None, learning_rate_mean: float | None = None, learning_rate_var: float | None = None, device: torch.device | None = None)[源代码]¶

基础: evox.core.Algorithm

可分 NES 算法的实现。

参考文献：Natural Evolution Strategies (https://www.jmlr.org/papers/volume15/wierstra14a/wierstra14a.pdf)

初始化

使用给定参数初始化 Separable NES 算法。