知识卡片
多峰优化保留多个局部极值
多峰函数优化要找到多个有用的极值点,供不同约束或偏好下选择;全局最优点在实际条件下未必可用,因此只输出一个解可能丢失备选。它关心同一目标函数的多个解峰,与[[多目标搜索保留权衡解]]处理多个可能冲突的目标不同。比较算法时,应看能否发现且保留多个不同的极值,而非只看单个最高得分。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 6 . 3 基 于 狼 群 算 法 的 函 数 求 解 · 查看原书依据
2. 多峰函数优化问题 工程优化问题不只限于找到所求问题的全局最优解,很多情况还需要寻找局部极值,由于一些客观条件的限制,全局最优解在实际中可能并不适用,某些局部最优值很可能比全局最优值发挥更大的作用,这就要求不仅求出问题的最优解,还要尽可能多求出局部极值作为备选,这就是多峰函数优化问题(Multi-modal Optimization Problems,MOP)。MOP在科学研究和工程实践领域中大量存在,如神经网络的结构及其权值的优化问题、最优控制律的设计、复杂系统参数及结构识别问题等。
参考来源
- 位置:《智能算法导论》第 6 章 6.3.1 节“数学模型:多峰函数优化问题”(`_epub-src/EPUB/xhtml/chapter6_0006.xhtml`)。
- 结论依据:正文将多峰问题定义为尽可能求出局部极值作为备选,说明全局最优在部分实际条件下可能不适用;同节把它与多目标问题分别讨论。
- 原始内容:全局最优解在实际中可能并不适用,某些局部最优值很可能比全局最优值发挥更大的作用,这就要求不仅求出问题的最优解,还要尽可能多求出局部极值作为备选,这就是多峰函数优化问题(Multi-modal Optimization Problems,MOP)。