進化戦略（ES）の性能を理論的に分析するため、研究者たちは新しい単純化されたモデルを導入しました。このモデルの特徴は、実際の適応度ランドスケープの詳細をバイパスし、任意の個体の突然変異が親に対してどの程度の相対的適応度を持つかを、不変分布Z（例えば平均シフトガウス分布）で表現することです。このアプローチにより、進化アルゴリズムが大域最適値から遠い領域での最適化プロセスをモデル化できます。特に機械学習モデルのハイパーパラメータチューニングなど、正確な適応度関数をモデル化することが困難な問題に対して有効です。 本研究では、このモデルにおける連続定常状態の(μ+1)-進化戦略の期待成長率ℛμを厳密に解析しています。カンマ選択戦略とは異なり、定常状態(μ+1)-ESは重複する世代を維持するため、生き残った親の間に複雑な数学的依存関係が生じ、解析が困難になります。研究チームは修正プロセスを構築することで(μ+1)-ESを解析する一般的手法を提案しました。これらの修正プロセスの成長率は、元のプロセスの成長率をサンドイッチのように上下から押さえながら、より解析しやすい形を実現しています。 Z=𝒩(-δ, 1)でμ≤eδの条件下では、ℛμ=log^(1+o(1))μ/μ・ℛ1という関係式が成立することを示しました。この結果は、母集団サイズμが増加する際の成長率の挙動を定量的に捉えており、進化戦略の設計と最適化に関する実践的な指針を提供します。