优化变量个数一定，怎样选取优化迭迭代次数？？
如果我有20个优化变量，如果用多岛遗传算法，那么，种群等参数应该怎么选取呢。如果用二次规划，相关参数应该怎么选取，这些参数的选取，和优化变量的个数，变量范围有什么关系呢？？Re:优化变量个数一定，怎样选取优化迭迭代次数？？
参数的选取和经验有很大的关系，因为象遗传算法之类的没有很好的理论根据来选择参数，你可以多试几次看看结果的变化．在isight的referrence里面有算法参数的设置，你可以看一下
Re:优化变量个数一定，怎样选取优化迭迭代次数？？
好像还是不具体,有没有一个量化的概念呢?Re:优化变量个数一定，怎样选取优化迭迭代次数？？
输入变量和输出变量本身就是个隐函数,即使相同的输入变量和相同的输出变量隐函数的复杂程度的不同,参数的设置也会有很大的差距的.Re:优化变量个数一定，怎样选取优化迭迭代次数？？
我觉得版主说话总是很抽象，我也知道不同的函数，复杂度不同参数设置不同，会有差别，所以才在这里提问。我最想了解的是差别在哪里，应该怎么着手设置。而且大家都知道迭代次数设置多，优化结果肯定好一些，但是时间也长。
所以，版主也提到优化的函数都是隐函数，对于非常复杂的隐函数，你是怎么样考虑他的复杂度的呢？？
Re:优化变量个数一定，怎样选取优化迭迭代次数？？
这个问题真的觉得挺难,我也没有这方面的大量计算经验,只能凭借一些直观的感觉先设置这些参数,看看结果的好坏.定量的分析还做不到,不知道这里有没有高人可以指点一下,我也是不得而知.Re:优化变量个数一定，怎样选取优化迭迭代次数？？
iSight集成的多孤岛遗传算法(MIGA)是日本人编写的，源代码可以从http://mikilab.doshisha.ac.jp/dia/research/pdga/archive/网页上下载。
从这个源代码本身给出的算例Rastrigin测试函数，如果改变设计变量的取值范围，其结果都不怎么样，可以看出这个算法的实现不怎么样。我研究过这个算法，感觉其主要问题有：编码方式不好，交叉算子不好，变异算子不好，唯一可取的地方是实现了多个Island之间传递个体。
至于iSight中用的这个日本人算法是不是在有些方面进行了改进，就不直到了，不过那个网页上给出的实现，我想应该只是一个原型(protype)，不会是卖到iSight公司的代码。
参数的选取问题：一方面，孤岛是为了解决早熟的问题，虽然这个问题不能从根本上解决，单目标优化的过程中，每一个孤岛最后今后的结果是由一个模式支配，即所有解都趋于一致，有几个孤岛就有几个可能的最后解。当然，由于个孤岛之间进行了个体的传递，所以最后的解各孤岛也可能相同。另一方面，孤岛分得过多，在每一个孤岛中，个体相对就少了，相当于社交圈子小，导致类似的近亲现象明显，不利于优化。总之，孤岛的个数和种群的规模相关，应保证每个孤岛不少于20个个体为宜
页:
[1]