文件名称：cmaes:适用于CMA进化策略的Python库
文件大小：41KB
文件格式：ZIP
更新时间：2024-05-20 13:09:41
hyperparameter-optimization evolution-strategy cma-es optuna Python
CMA-ES 轻量级协方差矩阵适应进化策略（CMA-ES）[1]的实现。 消息 2021/03/10 在Optuna中型博客上发布。 本文介绍了何时以及如何充分利用CMA-ES采样器。 请检查一下！ 2021/02/02由该库的维护者撰写的论文在AAAI 2021上被接受 :party_popper: 2020/07/29 Optuna的内置CMA-ES采样器在后台使用此库，已在Optuna v2.0中稳定。 请查看。 安装 支持的Python版本是3.6或更高版本。 $ pip install cmaes 或者，您可以通过安装。 $ conda install -c conda-forge cmaes 用法 该库提供了一种“问与答”风格的界面。 import numpy as np from cmaes import CMA def quadratic ( x1 , x2 ): return
【文件预览】：
cmaes-main
----MANIFEST.in(16B)
----.github()
--------ISSUE_TEMPLATE()
--------workflows()
----cmaes()
--------_sepcma.py(12KB)
--------_cma.py(14KB)
--------__init__.py(141B)
--------cma.py(211B)
--------_warm_start.py(2KB)
----requirements-dev.txt(113B)
----examples()
--------bipop_cmaes.py(2KB)
--------quadratic_function.py(741B)
--------ellipsoid_function.py(815B)
--------ipop_cmaes.py(2KB)
--------sepcma_ellipsoid_function.py(821B)
--------ws_cma_es.py(1KB)
--------optuna_sampler.py(430B)
----benchmark()
--------problem_rastrigin.py(2KB)
--------runner.sh(3KB)
--------problem_himmelblau.py(1KB)
--------README.md(2KB)
--------problem_rosenbrock.py(1KB)
--------problem_six_hump_camel.py(2KB)
--------optuna_solver.py(5KB)
----tox.ini(587B)
----LICENSE(1KB)
----tools()
--------ws_cmaes_visualizer.py(7KB)
--------cmaes_visualizer.py(8KB)
--------optuna_profile.py(1KB)
----setup.cfg(1KB)
----setup.py(69B)
----README.md(12KB)
----requirements-bench.txt(20B)
----tests()
--------test_termination_criterion.py(906B)
--------test_compress_symmetric.py(1KB)
--------test_boundary.py(2KB)
--------test_fuzzing.py(2KB)
--------__init__.py(0B)
--------test_warm_start.py(400B)
----.gitignore(130B)