심플 렉스와 유전 알고리즘으로 잡음이 심한 6 파라미터 함수 최소화 - 파이썬 언어

Question

경험적 인간 데이터와 6 파라미터인지 모델의 시뮬레이션 데이터 사이의 손실 함수를 최소화하려고합니다. 모델이 매우 시끄 럽습니다. 모델은 PYTHON으로 프로그래밍됩니다.

표준 방법은 단방향 검색을 사용하는 것입니다. 그러나 심플 렉스는 초기 추측에 크게 의존하며 로컬 최소값을 캡처하는 위험이 높습니다. 그래서 나는 두 가지 질문을 가지고 있습니다 :

1) 유전자 알고리즘을 먼저 전역 최소 위치의 대략적인 위치를 검색하는 데 사용할 수 없는지 궁금합니다. 그리고 그 결과를 단방향 검색의 시작점으로 사용하십시오. 좋은 생각이라면 누군가 파이썬으로 적절한 유전자 알고리즘을 잘 구현하는지 알고 있는가?

2) 심플 렉스 검색에 어떤 반사, 확장 및 수축 상수를 사용해야합니까?

도움을 주시면 감사하겠습니다.

건배, 매트

Answer 1

함수가 매우 잡음이 때문에는, 몇 가지 크기가 있고 진화 알고리즘을 시도 할 열려있다, 나는 실제로 공분산 행렬 적응 진화 전략하여 심플 렉스 최적화 과정을 대체 할 추천 할 것입니다.

알고리즘은 블랙 박스 최적화 커뮤니티에 의해 50 차원 아래의 복잡한 문제에 대해 가장 효율적인 것으로 인식됩니다. 그것의 저자에 의해 세부 사항에서 기술된다 : here.

저자는 알고리즘 구현을 Python here으로 제공합니다. 진화 알고리즘 프레임 워크 DEAP은 Python에서 CMA-ES를 구현하고 사용법이 다른 다양한 예제를 제공합니다 (면책 조항, 나는 DEAP의 주요 개발자 중 하나입니다).