분산이있는 제한된 수의 점에 대한 좋은 매개 변수 최적화 알고리즘

Question

나는 거의 상수 상수가있는 알고리즘을 메타 최적화하려고합니다. 나는 유전 알고리즘의 어떤 형태가 사용되어야한다고 생각한다. 그러나 알고리즘 자체는 본질적으로 매우 무겁고 확률 적입니다 (개미 식민지 최적화 버전). 따라서 일부 매개 변수 집합에 대한 적합성 계산은 매우 느리고 결과에는 많은 차이가 있습니다. 일부 매개 변수에 대한 크기 순서조차도 명확하지 않으므로 일부 구성 요소의 분포는 대수 일 필요가 있습니다.

이 알고리즘에 대한 적절한 알고리즘에 대한 아이디어가 있습니까? 나는. 제한된 수의 측정 포인트로 수렴 할 필요가있을뿐만 아니라 측정 된 적합성에서 임의성을 처리 할 수 ​​있어야합니다. 또한 자바를 구현하는 것이 더 쉬울수록 편리합니다. :)

Answer 1

모델을 대수적으로 (또는 미분 방정식으로) 표현할 수 있다면 파생 기반 최적화 방법을 사용해보십시오. 이것들은 당신이 원하는 이론적 속성을 가지고 있으며 블랙 박스/파생물없는 최적화 방법보다 훨씬 더 계산 상 효율적입니다. MATLAB 라이센스가있는 경우 fmincon을 시도해보십시오. 참고 : 파생 정보를 제공하면 fmincon이 훨씬 잘 작동합니다. 다른 모델링 환경에는 Pyomo, CasADi 및 Julia/JuMP가 포함되며, 자동으로 파생 상품을 계산하고 강력한 최적화 솔버와 인터페이스합니다.