記事「共分散行列適応進化戦略(CMA-ES)」についてのディスカッション 新しいコメント MetaQuotes 2026.06.22 11:41 新しい記事「共分散行列適応進化戦略(CMA-ES)」はパブリッシュされました: 目的関数の幾何構造を捉えるように学習する、最も興味深い非勾配最適化アルゴリズムの一つを扱います。CMA-ESの古典的実装に対してわずかな修正を加えたもの、すなわち正規分布を冪分布に置き換える手法に焦点を当てます。アルゴリズムの背後にある数理を徹底的に解説し、さらに実装面についても検討します。また、CMA-ESがどのような問題で無類の性能を発揮し、どのような状況では使用を避けるべきかについても確認します。 CMA-ESは、一見単純な方程式x_k ~ N(m, σ²C)に基づいています。しかし、この単純さの背後には深い数学的構造が存在します。この式の各記号は探索状態に関する重要な情報を持っています。mは最適解に対する現在の最良推定、σは既知領域からどれだけ大胆に離れるかの尺度、Cは問題の幾何構造を表現する共分散行列です。本記事における唯一の正当化された変更は、正規分布を冪分布に置き換えることです。すなわち、修正式 xₖ ~ PowerDist(m, σ²C) を用います。この変更は探索空間における挙動を変化させます（より広い「ジャンプ」を許容）が、アルゴリズムの本質的な適応性は維持されます。 共分散行列Cはアルゴリズムの核心です。初期状態では単位行列として、球状分布を表しています。しかし反復ごとに進化し、改善が速い方向には伸び、進展が遅い方向には縮みます。結果として、分布は球から楕円へ、さらに細長い楕円体へと変形し、最終的には目的関数の等高線に沿う形へと整列していきます。 作者: Andrey Dik 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
新しい記事「共分散行列適応進化戦略(CMA-ES)」はパブリッシュされました:
CMA-ESは、一見単純な方程式x_k ~ N(m, σ²C)に基づいています。しかし、この単純さの背後には深い数学的構造が存在します。この式の各記号は探索状態に関する重要な情報を持っています。mは最適解に対する現在の最良推定、σは既知領域からどれだけ大胆に離れるかの尺度、Cは問題の幾何構造を表現する共分散行列です。本記事における唯一の正当化された変更は、正規分布を冪分布に置き換えることです。すなわち、修正式 xₖ ~ PowerDist(m, σ²C) を用います。この変更は探索空間における挙動を変化させます（より広い「ジャンプ」を許容）が、アルゴリズムの本質的な適応性は維持されます。
共分散行列Cはアルゴリズムの核心です。初期状態では単位行列として、球状分布を表しています。しかし反復ごとに進化し、改善が速い方向には伸び、進展が遅い方向には縮みます。結果として、分布は球から楕円へ、さらに細長い楕円体へと変形し、最終的には目的関数の等高線に沿う形へと整列していきます。
作者: Andrey Dik