噪声环境下简单的一维粒子群优化算法

Question

我正在尝试粒子群优化，并试图为以下简单场景确定最佳方法：

• 优化一维函数(即粒子沿单线移动)
• 被优化的函数可以在直线
• 上的任意点采样，每个位置采样的“值”都是非常嘈杂的
• ，优化的底层函数(不包括噪声)相当简单(例如，具有单个全局最大值的金字塔，或具有不同高度的两个驼峰)

。

解决这一问题的最佳粒子群设计是什么，即用最小样本数有效地发现最优解？

Answer 1

我不认为粒子群算法适合你的情况.

粒子群算法存储到目前为止发现的最大值及其位置。所以，如果这个最大值仅仅是由噪声造成的，那么它就会一直粘在那里。

您必须修改普通粒子群算法，以考虑最近发现的最大值的加权平均值(而不是最终的全局最大值)。

我建议你看看：模糊粒子群优化，但这个课题还在研究阶段，所以你可能会发现很难找到它.

你也可以去模拟退火，这更适合你的情况.

Answer 2

尝试在适应度函数中添加一个范围，并评估统计值，如均值、变化以及粒子的y值与周围标准差之间的差异。