Core Concepts
自然進化戦略は連続パラメータ空間で成功を収めてきたが、本論文では離散パラメータ空間への拡張を提案し、その有効性を実証する。
Abstract
本論文では、自然進化戦略(NES)アルゴリズムを離散パラメータ空間に拡張する手法を提案している。
まず、ベルヌーイ分布とカテゴリカル分布に対するNESアルゴリズムの導出を示している。これにより、離散パラメータの最適化が可能になる。
次に、プログラム誘導問題を用いて、提案手法の有効性を検証している。スケッチングと呼ばれる手法を用いて、プログラムの一部を離散パラメータで表現し、NESを用いて最適化を行っている。その結果、ベースラインのVariational Optimizationと比較して、より安定した収束と優れた性能を示すことができた。
最後に、FIM(Fisher Information Matrix)の影響を検証するアブレーション実験を行っている。その結果、離散分布の場合はFIMの計算が不要であり、むしろ性能を低下させることが分かった。これは、離散分布の場合、エントロピーの変化によって自然勾配の効果が暗黙的に得られるためである。
以上より、本論文では離散パラメータ空間におけるNESアルゴリズムを提案し、その有効性を実証している。特に、連続パラメータと離散パラメータを組み合わせた問題設定において、優れた性能を発揮することが示された。
Stats
プログラム誘導問題の入力-出力ペアの例:
入力: [5.8, 2.5], [5.0, 6.2], [7.4, 6.1], [5.5, 9.4]
出力: [14.1, -4.677419, 20.9, -5.287234]