差分进化全局极小问题

文章/答案/技术大牛

发布

1回答

minimum、differential-evolution

我正在尝试得到一个具有线性约束的非线性函数的全局最小值。这是我第一次尝试解决优化问题，所以我需要一点帮助。欢迎任何建议！非常感谢！

浏览 17提问于2020-02-24得票数 0

1回答

差分进化能解决需要变异相关参数的问题吗？

genetic-algorithm、evolutionary-algorithm、differential-evolution

差分进化( DE )和遗传算法( GA )的一个不同之处在于，DE抛弃了一个新的候选人，除非它比原来的候选人更合适，而GA允许“不太合适”的候选人以一定的概率生存。回到差分进化算法，我看不出它是如何解决上述问题的，因为最初我们只想每一代变异一个参数，但最终我们希望每一代多个参数发生变异。如果我们过早地突变每一代的多个参数，我们就会降低生存的概率，而这反过来又会降低进化的速度。但是，如果我们一次突变一个参数，我们就永远找不到全局最大值。我的问题如下：

浏览 2提问于2016-03-26得票数 2

回答已采纳

3回答

用GNU科学"multimin“找到所有局部极小值

numerical、minimization

但是，它的警告明确指出，在一个函数上使用几个不同的局部极小值时，它只返回一个任意的解。有谁知道你会如何调整它，这样它才能返回所有局部极小值的列表(取决于某些阈值标准)？

浏览 5提问于2008-10-17得票数 1

回答已采纳

1回答

差分进化算法不同运行的不同结果

optimization、mathematical-optimization、mystic

正如标题所说，我正在使用Python mystic包中实现的差分进化算法来解决O(10)参数的全局优化问题，并有界限和约束。constraint_eq, penalty = penalty, full_output=True, itermon=mon, scale = scale) 我多次尝试运行相同的优化:给定差分进化算法的缩放比例，我将优化问题运行10倍。有没有人有什么建议可以用神秘主义来调整差异进化？有没有办法避免结果中的这

浏览 57提问于2021-03-24得票数 1

3回答

遗传/进化算法和局部最小值/最大值

evolutionary-algorithm

我看过几篇文章和文章，建议使用模拟退火来避免局部最小值/最大值问题。这仅仅是为了确保初始人口实际上足够大和随机的另一种检查吗？

浏览 3提问于2010-01-19得票数 3

回答已采纳

1回答

如何用差分进化算法选择最优参数

evolutionary-algorithm、particle-swarm、differential-evolution

对于类中的作业，我需要优化4个10维函数，在实现差分进化时，我注意到所有函数都需要不同的参数设置。通过尝试，似乎尤其是在选择高交叉率和F在0.5左右的情况下，似乎工作得很好。我尝试了一堆参数，但一直得0.01分(满分10分)。差分进化对某些目标函数不起作用吗？我也尝试过实现PSO来解决这个问题，但也失败了，所以我似乎认为这个函数具有某些属性，这些属性只能通过某些算法来解决？向您致以亲切的问候， Kees磁贴

浏览 9提问于2017-09-25得票数 1

1回答

基于遗传算法或cvx工具的多目标凸优化

algorithm、matlab

我已经用MATLAB的cvx包解决了一个单目标凸优化问题(实际上与减少干扰有关)。现在我想把这个问题扩展到多目标问题。与cvx包相比，使用遗传算法解决该问题的优缺点是什么？

浏览 5提问于2016-01-04得票数 0

1回答

在差分进化算法中，交叉的重要性是什么？

optimization、differential-evolution

在差分进化算法中求解最优化问题。它涉及三个进化过程，即突变、交叉和选择。那么，在差分进化算法中交叉的重要性是什么呢？

浏览 1提问于2012-09-18得票数 5

1回答

微分进化不存在全局极小值

python、optimization、scipy、networkx

为了确定理论分布的参数，我使用最小二乘和极小元从SciPy。首先，差分进化的不同运行产生了不同的参数集。这本身并不是一个问题，因为确实可能存在许多全球极小值。这是一个陷阱--这不是一个全局最小值！只要取(65，0)参数集，它就会给出分布的合理近似，如果你检查图，误差实际上是0.002左右。

浏览 5提问于2021-12-07得票数 0

2回答

曲线拟合指数失败，但zunzun得到了正确的结果。

python、scipy、curve-fitting

加1[ 1.22560853e-14 1.52176160e+00 -4.67859961e-01 2.15706930e-02] 因此，现在的问题变成

浏览 4提问于2013-07-08得票数 2

回答已采纳

3回答

如何最好地处理试图确定未知函数的形式的问题

artificial-intelligence、genetic-algorithm、linear-regression

我在这个问题上的第一个尝试是假设我可以将f建模为线性函数：我的第一个想法是使用粒子群算法或遗传算法来解决a, b, .., c的f问题另一方面，我觉得也许这种进化算法并不是真的需要。首先，我可以为a,b, .., c想出几个好的“起点”。作为线性函数的f，尝试几个点，然后对它们进行线性回归不是更容易吗？有没有人有解决这类问题的经验？我能想到的最大的一个问题是，也许我认为a,b, .., c的良好起始值可能是一个“局部最优”，而拥有

浏览 5提问于2010-10-16得票数 2

回答已采纳

1回答

一个非多项式方程的数值求解

matlab、equation、numerical、polynomial-math

我的方程有一个问题，我试图用MATLAB和符号工具箱进行数值求解。我在几个MATLAB帮助的源文件页之后，学到了一些技巧，并尝试了其中的大多数，仍然没有令人满意的结果。

浏览 3提问于2013-05-02得票数 0

1回答

curve_fit和局部极小值:尽可能快地到达全局极小值

python、scipy、curve-fitting、least-squares

我手头的问题是:我正在使用scipy curve_fit来拟合曲线()，但在许多情况下，估计这种曲线的参数指的是局部多个“局部”极小值之一，而不是“全局”最小值。

浏览 0提问于2018-03-25得票数 3

回答已采纳

1回答

为什么我们在做梯度下降/SGD时只关心凸函数？

optimization、gradient-descent

我的意思是，我知道为什么我们特别关心凸函数，因为它们的局部极小也是全局的，所以你只需要“沿着一条向下的路径”就可以找到函数的极小值。然而，也有一些函数不是凸的，但局部极小值也是全局极小值，例如，如下所示的函数：难道没有一种方法来描述每一种梯度下降“工作良好”的函数吗？比如“如果f有一个局部极小值，那么它也是一个全局极小值”，这将是一个弱于凸的假设吗？PS:在写这篇文章的时候，我也意识到像x \mapsto x^3这样的函数有<e

浏览 0提问于2020-09-08得票数 1

1回答

如何有效地解决复合成本函数优化问题？

python、optimization、scipy、bayesian、simulated-annealing

我想用Python解决以下优化问题：我想为这个黑匣子函数f找到最佳的输入参数。定义了一个最优参数x：将成本函数cost(x)最大化，其和为是否有任何我可以使用的易于适应的框架或过程(例如模拟退火或贝叶斯优化)？

浏览 1提问于2019-08-06得票数 0

1回答

非随机全局优化是可取的还是必要的？

optimization

背景进化算法(EAs)通常是解决这类问题的最优算法，这些方法包括:遗传算法、粒子群优化器、差分进化算法以及基于生物交互的所有算法。几乎每个EA都有随机成分。非随机优化与确定性全局优化我对确定性全局优化器不感兴趣。这些方法提供了某种形式的概率&#x

浏览 0提问于2020-09-03得票数 2

5回答

梯度下降的替代方案是什么？

machine-learning、neural-network、logistic-regression、gradient-descent

梯度下降存在局部极小的问题。我们需要运行梯度下降指数倍，以求全局极小值。谢谢。

浏览 7提问于2014-05-08得票数 12

回答已采纳

1回答

粒子群算法能在非零导数点上收敛吗？

python、optimization、convex-optimization、particle-swarm

我使用这个库- 来求凸函数的整体极小值.这只是为了开始和工作的一个非凸函数。我用线性回归找到了全局极小值，但问题是粒子群似乎在不同的点上收敛，这取决于我设置的omega和phi(s)的值。通过与线性回归给出的代价进行比较，可以确定这些点不是全局极小值。这在PSO中是否有可能收敛(值在10次迭代后不变)，还是我在某个地方犯了错误？

浏览 2提问于2018-12-06得票数 2

回答已采纳

1回答