用于嘈杂环境的简单一维粒子群优化算法

Question

我正在试验粒子群优化，并试图确定以下简单场景的最佳方法：

• 优化一维函数（即粒子沿单线移动）
• 可以在线上任意点对要优化的函数进行采样
• 为每个位置采样的“值”非常嘈杂
• 要优化的底层函数（不包括噪声）非常简单（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）

解决这个问题的最佳粒子群设计是什么，即用最少的样本有效地发现最优值？

Answer 1

我认为粒子群优化不适合你的情况...

PSO 存储到目前为止找到的最大值及其位置。因此，如果该最大值仅由 噪声 引起，它将一直停留在那里。

您必须修改普通 PSO 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）

我向您推荐：模糊粒子群优化 但该主题仍处于研究阶段，因此您可能会发现很难找到它...

你也可以去模拟退火，更适合你的情况...

Answer 2

尝试为适应度函数添加一个范围并评估统计值，例如平均值、变异以及粒子的 y 值与周围标准偏差之间的差异。