### 项目名称

>KeenTune应用最佳实践之遗传算法CMA-ES的集成与实践

### 难度

>进阶

### 项目描述

>当前参数自调优相关的算法主要分为贝叶斯优化框架下的算法和遗传算法框架下的算法，近年来学术界对于两种框架下的算法均有较多的理论创新和突破。于此同时，工业界真实场景的实践中，尤其是带有大量复杂参数的系统软件调优领域，相关实践尚比较欠缺。当前KeenTune已经继承了多个基于贝叶斯优化原理的算法，并应用在包括内核参数调优，应用参数调优，编译器参数调优，等多个实践领域。此课题旨在进一步探索遗传算法框架下的算法在上述场景中的实践效果，基于真实主要场景进行参数调优，对比贝叶斯优化的相关算法，形成最佳实践。

### 项目产出要求

>1.在KeenTune内实现或集成CMA-ES算法。

2.在KeenTune当前支持的主要场景（内核参数和多种应用参数）中挑选2-3个场景，实践对比分析该算法与KeenTune支持的贝叶斯优化典型算法。

3.在社区提交该场景的最佳实践手册

### 技术要求

>良好的编程基础：python、go

对贝叶斯优化、机器学习等算法方向有较深理解和应用

熟悉基于pytorch或tensorflow的机器学习模型及算法

### 导师姓名和联系方式

>导师姓名：王庆龙

邮箱：xifu.wql@alibaba-inc.com

钉钉：qlwangwork

### 成果提交仓库

>https://openanolis.cn/sig/KeenTune

### 参考资料

>https://github.com/CMA-ES/pycma

https://github.com/anyoptimization/pymoo

### Gitee仓库

>https://gitee.com/anolis/keentuned

https://gitee.com/anolis/keentune_bench

https://gitee.com/anolis/keentune_target