首先，我完全不在我的专业领域，所以请多多包涵。
我开发了一个具有 5 个公开参数（例如 A、B、C、D、E）的流体动力学引擎。当你给这个引擎这 5 个参数时，它会变魔术并给出一个值“Z”。
我想编写一个脚本，它可以探索 A-E 的哪些组合给出最低（或接近最低）的 Z 值。
我知道优化算法是存在的，但是从我搜索的所有示例中，它们使用了一些函数。
所以我想我的功能只是最小化 Z？但是 A-E 去哪儿了？
【问题讨论】：
标签： optimization mathematical-optimization
并不是真正的答案，而是一些问题和想法可能会帮助您思考解决此问题的最佳方法。我们不知道需要为这些参数探索多大范围的值，或者 Z 的行为方式，所以这非常模糊......
如果您查看给定 A...E 值的 Z 值，Z 值是否会因参数值的微小变化而跳动很多，或者 Z 值是否合理平滑地变化？
如果 Z 值不是太不稳定，您可以尝试某种梯度下降方法，使用 Z 的计算值对某些参数值进行近似梯度 - 假设将“A”的值从 1 更改为 2 给出Z 值的变化比其他参数的类似大小变化更好，然后尝试 A 的其他值，同时保持其他参数固定，直到找到给出最佳 Z 值的 A 值。然后尝试更改其他参数值看看哪一个给出了最陡的下降，并尝试为该参数找到一些更好的值。重复此过程，直到您找不到任何改进，并且您将找到（本地）最小值。然后，您可以从参数空间中的不同位置开始并重试 - 您可能会找到几个局部最小值，并且可能只选择其中最好的一个。不能证明是最佳的，但可能已经足够好了。当然，如果 Z 足够平滑，您可以变得聪明并使用共轭梯度、Newton-Raphson 或类似方法。
如果 Z 值非常不稳定，那么您可能需要对 A...E 的可能组合进行一些抽样，以获得 Z 值并选择您能找到的最佳值。同样，您可以以某种系统的方式（例如，参数空间中的网格上的点）或完全随机地执行此操作，或两者兼而有之。
如果您发现存在具有相似参数值的良好解决方案“集群”，那么也许某种本地搜索会有所帮助 - 其想法是，在已知良好解决方案的本地邻域中通常存在更好的解决方案.因此，也许可以尝试从已知解决方案中稍微扰动您的参数值，看看这是否可以导致更好的解决方案 - 通过某种梯度下降方法或随机采样。
不幸的是，如果您的 Z 计算很复杂，那么任何将其用作黑盒的方法都可能会很慢，因为它需要多次重新评估。
【讨论】：
您可以使用遗传算法，其中您的染色体由您必须优化的变量的 5 个候选值形成，以最小化 Z，您的优化/适应度“函数”是模拟本身输出 Z。
其他可行的替代方案是粒子群优化算法或蚁群优化。对于这类优化问题，所有这些都是可用的算法。
【讨论】：