文章 "种群优化算法：树苗播种和成长（SSG）算法" - 页 5

[mytarmailS]

fxsaber #:

ZY 很奇怪，提出平滑建议的 "聪明人 "并不了解表面物体形成的本质。

我的问题提得很糟糕，奇怪的是我根本没有被记录在案

[fxsaber]

mytarmailS #:
那就很简单了，就像我上面写的那样。

您需要 20 个峰值，只需运行 AO 20 次即可。

最后你会得到一个包含 20 次优化运行的 opt 文件。这 20 个峰值在哪里呢？

[mytarmailS]

fxsaber #:

因此，你会得到一个包含 20 次优化运行的选项文件。这 20 个峰值在哪里呢？

优化的结果

即找到的最佳解决方案。

你是说你要找的参数。

这就是所有可能参数变体的多维表面上的峰值。

[fxsaber]

mytarmailS #:
我的问题措辞非常糟糕，居然没有被禁言。

措辞是详尽的。聪明人要么太懒，要么没看到问题。

[fxsaber]

mytarmailS #:
那么，优化的结果

即找到的最佳解决方案

所以你要找的参数是

这是所有可能参数变体的多维表面上的峰值。

这只是一个峰值。

[Andrey Dik]

这就是刺猬的需求.....。

好吧，那么蜜蜂、杜鹃、猴子和细菌也是如此。这些算法实际上会对所有峰值进行聚类（如果可能的话，如果种群数量与峰值数量相称的话）。

[mytarmailS]

fxsaber #:

这只是一张照片。

嗯，一次完整的 AO 运行 == 一次峰值。

20 个运行 == 20 个峰值。

还是我没听懂？

[Andrey Dik]

对于这种特定任务，我们可以想到一种 "踢出 "机制，即把规模过大的群体 踢出群体，使其被迫在不同的极端中形成团块。

[Andrey Dik]

mytarmailS #:
那么，一次完整的 AO 运行 == 一次峰值。

20 次发射 == 20 个峰值。

还是我还是没搞清楚重点？

一个好的算法会找到相同的峰值，那还有什么意义呢？

[mytarmailS]

Andrey Dik #:

好的算法会找到相同的峰值，那还有什么意义？

限制次数迭代。

随机初始参数

如果空间很大，几乎永远不会找到相同的东西。

还可以在 FF 中对当前参数与过去已找到参数的相似性进行惩罚。

因此，一切都是可解的。