我正在对具有不同超参数的不同测试函数使用基础遗传算法(GA)],以确定超参数对算法的影响。
标准:
GA猜测的答案(最小)足够接近真实答案。“足够接近”由“准确度”或LOA确定。if |guessed answer - real answer | < LOA => guessed answer is considered correct
问题:不同的功能具有不同的输入范围,并且对所有测试功能使用静态LOA似乎并不正确。问题:我应该如何确定LOA值?它应该与被测功能的输入范围有关吗? 示例
:Schwefel测试功能的所有输入的输入范围为(-500,500)
,最小值为0
。如果GA猜测的最小值为0.08
,LOA为0.1
,则该猜测答案是正确的,因为|0 - 0.08| < 0.1
,但如果猜测答案为0.12
,则认为是错误的。Rastrigin测试功能的所有输入范围均为(-5.12, 5.12)
。为Rastrigin使用相同的LOA似乎不正确,因为它的范围非常小,并且相同的GA超级参数在同一LOA下会更好。LOA应该与范围相关吗?例如,0.001
的LOA应该用于Rastrigin,因为它的范围是Schwefel的1/100范围。PS
:停止条件为“最大世代数”,所有情况下的尺寸为45。我正在对具有不同超参数的不同测试函数使用基本遗传算法(GA),以确定超参数对算法的影响。条件:猜中的答案(...
这是一个很好的观察。您真正要了解的是,在优化时,您选择的收敛标准