寻找全局最优的多个局部搜索算法

Question

因此，我对整个进化和遗传算法世界相当陌生，我正在编写一个优化数组并返回最佳解决方案--适应度的程序。

我的算法现在通过模拟退火进行优化，可以改变冷却速度和启动温度来改变人口的压力和多样性，得到不同的结果，效果很大。我的问题是，在一个算法中使用两种不同的局部搜索是否可行？例如，我将迭代限制为5000次。是否值得使用4000进行模拟退火，然后将剩下的1000用于登山者的局部搜索，以便从第一次局部搜索中找到最优解？还是在一种算法中使用两种不同的局部搜索并不是标准的做法？我是这个编程世界的新手，所以我愿意接受任何建议！

Answer 1

我使用模拟退火(SA)来帮助我优化三角式3d打印机的误差估计.我把34 dof的误差函数拟合到样本误差图上。我运行了300万次SA迭代，然后是爬山(HC)。HC降低了错误(成本)函数值。我不知道这很常见，但对我来说很管用。典型结果:原始误差函数，150。SA后18例，HC后2例。