用单纯形和遗传算法最小化一个非常嘈杂的6参数函数

Question

我正在尝试最小化经验人类数据和来自6参数认知模型的模拟数据之间的损失函数。这个模型非常嘈杂。请注意，该模型是用PYTHON编写的。

标准方法是使用Simplex搜索。然而，Simplex非常依赖于初始猜测，捕获局部最小值的风险很高。所以我有两个问题：

1)我想知道，如果不能使用遗传算法首先搜索全局最小值的近似位置，然后将结果作为单纯形搜索的起点。如果这是个好主意，有没有人知道用python实现合适的遗传算法的好方法？

2)我应该使用哪个反射、扩展和收缩常量进行单纯形搜索？

任何帮助都将不胜感激。

干杯，Mat

Answer 1

由于你的函数噪声很大，维数很少，而且你愿意尝试进化算法，我建议你实际上用协方差矩阵自适应进化策略来代替单纯形优化过程。

该算法被黑盒优化社区认为是解决50维以下复杂问题的最有效算法之一。

进化算法框架DEAP还提供了CMA-ES的Python实现和不同的应用程序示例，我发现它们更易于使用(免责声明，我是DEAP的主要开发人员之一)。