Título: Investigação Sobre Mutações q-Gaussianas Na Estratégia Evolutiva Com Adaptação Da Matriz De Covariância
Autores: Santos, Michel M.; Tinós, Renato
Resumo: A Estratégia Evolutiva com Adaptação da Matriz de Covariância (CMA-ES) tem se mostrado como uma ótima opção em problemas de otimização contínua, sendo uma alternativa aos métodos baseados em gradiente quando estes apresentam dificuldades, como na otimização de problemas altamente multimodais. O algoritmo CMA-ES típico utiliza mutações com distribuição Gaussiana (G-CMA-ES), sendo que tal distribuição apresenta característica local determinada pelo desvio-padrão (ou intensidade de mutação, no contexto da computação evolutiva). No presente trabalho, é investigado o uso de mutações q-Gaussianas no CMA-ES (Q-CMA-ES). A distribuição q-Gaussiana permite controlar o caráter local ou global das mutações mudando a forma da distribuição através do parâmetro q. Consideramos aqui dois tipos de distribuições isotrópicas (ou esféricas) que diferem entre si pelo modo como o raio da hiperesfera é obtido: na primeira, o raio é uma variável aleatória com distribuição q-Gaussiana (respectivo ao algoritmo Q1-CMA-ES); na segunda, o raio é obtido através da norma de um vetor aleatório cujos elementos correspondem a n variáveis q-Gaussianas independentes (respectivo ao algoritmo Qn-CMA-ES). Ao nosso conhecimento, esta é a primeira vez que a mutação q-Gaussiana neste último formato é empregada em algoritmos evolutivos. A fim de avaliar o efeito da mutação q-Gaussiana no desempenho dos algoritmos, foi conduzida uma série de testes para um conjunto de funções benchmark. Os resultados do algoritmo G-CMA-ES foram comparados à s versões do Q-CMA-ES para diferentes valores de q fixados. O algoritmo Qn-CMA-ES foi superior ao algoritmo original em alguns problemas para q = −1 . Já no caso q = 1, o algoritmo Qn-CMA-ES é equivalente ao G-CMA-ES e por isso apresenta desempenho semelhante. O outro algoritmo modificado, a versão Q1-CMA-ES, em geral, teve o pior desempenho.
Palavras-chave: CMA-ES; Computação Evolutiva; Distribuição q-Gaussiana; Otimização Contínua
Páginas: 8
Código DOI: 10.21528/CBIC2011-16.5
Artigo em pdf: st_16.5.pdf
Arquivo BibTex: st_16.5.bib