CMA-ES/pycma

解决的问题

pycma 是协方差矩阵自适应进化策略（CMA-ES）的 Python 实现，是一种随机的、无需梯度的数值优化算法。它旨在解决非凸、病态、多峰、崎岖或存在噪声的优化问题，适用于连续和混合整数搜索空间。

工作原理

该库提供工具，无需梯度信息即可找到给定目标函数的最优解。它能够处理多种复杂的现实世界约束：

• 边界约束：通过 bounds 选项或专用的 BoundDomainTransform 包装器进行管理。
• 线性和非线性约束：通过 fmin2 或 fmin_con2 函数中的特定参数处理。
• 噪声：通过 noise_handler 管理，以在噪声环境中保持稳定性。
• 混合整数问题：通过 integer_variables 索引列表支持整数变量。

适用人群

适用于需要优化复杂数学函数的研究人员和工程师，传统基于梯度的方法在此类问题上失效，或目标函数为“黑箱”时。

主要亮点

• 无需梯度：无需梯度信息，适用于崎岖或噪声较大的场景。
• 混合整数支持：可同时优化连续变量和整数变量。
• 约束处理：内置对边界、线性和非线性约束的支持。
• 灵活接口：提供高层 fmin 接口和低层 ask-and-tell 接口，便于自定义控制。
• 并行化：通过 OOOptimizer 中的 n_jobs 参数支持并行执行。