Core Concepts
CMA-ES 알고리즘의 다양한 모듈 옵션이 구조적 편향에 미치는 영향을 분석하고, 이러한 편향이 선형 함수 조합에 따른 성능 변화에 어떤 영향을 미치는지 조사하였다.
Abstract
이 연구는 CMA-ES 알고리즘의 구조적 편향과 성능 간의 상호작용을 심층적으로 분석하였다. 435,456개의 CMA-ES 구성을 대상으로 Deep-BIAS 도구를 사용하여 구조적 편향을 탐지하고 분류하였다. SHAP 분석을 통해 각 모듈 옵션이 특정 편향 유형에 미치는 영향을 정량화하였다.
이후 상위 성능 구성을 선별하여 선형 함수 조합 시퀀스에 대한 성능을 평가하였다. 결과에 따르면 중심 편향과 경계 편향 알고리즘이 최적점 위치에 따라 다른 성능을 보였다. 중심에 최적점이 위치할 때 경계 편향 알고리즘이 우수한 성능을 보였지만, 경계에 최적점이 위치할 때는 중심 편향 알고리즘이 더 나은 성능을 나타냈다. 이는 편향 유형과 최적점 위치 간의 복잡한 상호작용을 보여준다.
Stats
중심 편향 알고리즘은 일반적으로 더 많은 자유도를 가져 작은 개선을 반복할 수 있다.
경계 편향 알고리즘은 경계에 최적점이 위치할 때 때때로 초기에 고착되어 진전을 이루지 못한다.
혼합 편향 알고리즘이 전반적으로 가장 낮은 성능을 보였다.
Quotes
"중심 편향 알고리즘은 일반적으로 더 많은 자유도를 가져 작은 개선을 반복할 수 있다."
"경계 편향 알고리즘은 경계에 최적점이 위치할 때 때때로 초기에 고착되어 진전을 이루지 못한다."
"혼합 편향 알고리즘이 전반적으로 가장 낮은 성능을 보였다."