文章 "确定性振荡搜索（DOS）"

MetaQuotes 2026.06.02 08:18

确定性振荡搜索（DOS）算法是一种创新的全局优化方法，它结合了梯度算法与群体算法的优点，且不使用任何随机数。适应度振荡与斜率机制使得DOS能够以确定性方式探索复杂的搜索空间。

本文介绍确定性振荡搜索（DOS）—— 这是一种新型元启发式算法，它结合了传统基于梯度方法的优势与群体算法的高效性，同时完全不使用随机数。

DOS由Archana于2017年提出，用于求解复杂的全局优化问题。其核心思想是：在搜索空间中模拟粒子的振荡运动，并采用确定性初始位置分布。该算法的关键特点是能够处理高维问题，同时保持完全可复现性：在相同初始条件下，算法每次运行都能得到完全一致的结果。

与大多数元启发式算法不同，DOS引入了“适应度斜率”概念。通过这一机制，粒子可以判断当前移动方向是否在提升解的质量，并自适应调整搜索策略。粒子可处于三种斜率状态之一：正向（移动使解更优）、负向（移动使解变差）、未知。

该信息用于控制粒子的振荡行为。传统梯度法一旦到达所有方向都会使目标函数变差的位置，就会停止搜索。而DOS通过群体机制突破了这一限制：当振荡运动无法带来改进时，群体机制便会启动。此时，粒子会朝着当前已知的全局最优解的方向移动。