In a black-box optimization scenari

In a black-box optimization scenario, the only available information about the objective function f comes from the evaluated candidate solutions. It is often assumed that the optimization algorithm estimates λ new candidate solutions at each iteration, then, updates its own hyper-parameters θ (e.g., m, σ and C for CMA-ES) in such a way that the probability of sampling solutions with better fitness increases in a short and/or long term.

Kết quả (Việt) 1:

Trong một trường hợp tối ưu hóa hộp đen, chỉ có thông tin về mục tiêu hàm f đến từ các giải pháp đánh giá các ứng cử viên. Nó thường được giả định rằng các thuật toán tối ưu hóa ước tính giải pháp ứng cử viên mới λ tại mỗi lặp đi lặp lại, sau đó, bản Cập Nhật riêng θ siêu tham số (ví dụ: m, σ và C cho CMA-ES) như vậy xác suất của mẫu giải pháp với thể dục tốt hơn tăng lên trong một cụm từ ngắn hoặc dài.

Kết quả (Việt) 2:

Trong một kịch bản tối ưu hóa hộp đen, thông tin duy nhất về hàm mục tiêu f đến từ các giải pháp ứng cử viên được đánh giá. Nó thường được giả định rằng các thuật toán ước tính tối ưu hóa λ giải pháp ứng cử viên mới tại mỗi lần lặp, sau đó, cập nhật riêng của mình siêu tham số θ (ví dụ, m, σ và C cho CMA-ES) theo cách như vậy mà xác suất của các giải pháp lấy mẫu với thể dục tăng tốt hơn trong một giai đoạn ngắn và / hoặc dài.