A New Step Size Update Strategy for CMA-ES in Multi-objective Optimisation

2026
OriginalPaper
Buchkapitel

Erschienen in:

Verfasst von: Zheng Tan; Bo Yuan; Hao Wang; Miqing Li
Erschienen in: Artificial Evolution
Verlag: Springer Nature Switzerland

Zugang erhalten

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

The covariance matrix adaptation evolution strategy (CMA-ES) is one of the most widely used evolutionary algorithms in single-objective black-box optimisation. Unlike the popularity of the single-objective CMA-ES, its multi-objective variant - MO-CMA-ES - has not been extensively studied. In MO-CMA-ES, like CMA-ES the step size, which determines how far the mutation can go, depends on whether a newly generated solution is better than its parent in the population. However, unlike single-objective optimisation where all solutions are distinguishable about their objective values, in multi-objective optimisation there may exist many solutions incomparable (i.e., non-dominated to each other). Updating the step size based on the qualitative comparison between solutions may not work best for the multi-objective case.

In this paper, we propose a simple step-size update strategy for MO-CMA-ES. The proposed strategy considers how much change the newly generated solution has compared with its parent. Specifically, we factor in the difference in the non-domination levels that the offspring and parent solutions are located in, attempting to make use of quantitative information that may better reflect the current search progress. Experimental results show the effectiveness of the proposed strategy - it can accelerate the convergence speed on almost all the test problems considered.

Hinweise

This work was supported by National Natural Science Foundation of China (Grant No. 62476119) and the University Key Laboratory of Evolving Intelligent Systems of Guangdong Province (Grant No. 2017KSYS008).

Sie sind bereits Kunde? Dann loggen Sie sich hier ein, um Zugang zu erhalten

Kundenlogin

Sie sind noch kein Kunde? Dann Informieren Sie sich jetzt über unsere Lizenzmodelle:

Einzelzugang

Starten Sie jetzt Ihren persönlichen Einzelzugang. Erhalten Sie sofortigen Zugriff auf mehr als 170.000 Bücher und 540 Zeitschriften - pdf-Downloads und Neu-Erscheinungen inklusive.

Jetzt ab 54,00 € pro Monat!

Mehr erfahren

Zugang für Unternehmen

Nutzen Sie Springer Professional in Ihrem Unternehmen und geben Sie Ihren Mitarbeitern fundiertes Fachwissen an die Hand. Fordern Sie jetzt Informationen für Firmenzugänge an.

Erleben Sie, wie Springer Professional Sie in Ihrer Arbeit unterstützt!

Beraten lassen

Für Entdecker: Lernen Sie Springer Professional besser kennen mit einer kostenlosen Registrierung

Kostenlos Registrieren

Vorheriges Kapitel Symbolic Regression of Confidence Intervals for Conformal Prediction

Nächstes Kapitel UMDA with Random Affine Maps

Metadaten
Literatur

Titel: A New Step Size Update Strategy for CMA-ES in Multi-objective Optimisation
Verfasst von: Zheng Tan
Bo Yuan
Hao Wang
Miqing Li
Verlag: Springer Nature Switzerland
Buch: Artificial Evolution
Print ISBN: 978-3-032-07997-8

Electronic ISBN: 978-3-032-07998-5

Copyright-Jahr: 2026
DOI: https://doi.org/10.1007/978-3-032-07998-5_15

Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.

Erweiterte Suche

Suchoperatoren:

Springer Professional