算法参数的智能设定

    在使用各种算法时候一般都要设定一些参数，而且越是启发式算法需要设定的参数越多，Take GA for exmaple，需要设定（pop:种群数目，maxiter：最大迭代次数，变异率，交换率等等）。这些参数对算法的计算效果起着至关重要的作用，这些算法的参数只有专业的人才会设定，这时候问题就出来，如果你的产品（包含一些复杂的数值算法）是给普通用户（或者说用户不懂算法不会设定参数），这时候你的产品就对不同问题，或者说同类问题的不同情况的计算结果就不稳定，也就是说得到解不怎么好（比你预想的）。
    调参是算法测试中的工作，对于专业人员可以做成交互式的，我以前帮别人写过一些程序（对于他们而言有个不错的结果就满足了），但是我又总能根据他们的实际问题改变一下参数，就会得到更好解......。如果做产品，你不能帮所有用户去调参，也不能指望用户自己会调参数。（这个问题，我以前从没有想过，我总是预想别人和我一样的专业......，或者差不多）。所以要如果要你的东西比别人做的好（简单易用，而且效果好）就要引入算法参数的智能设定。
    如何只能设定呢？ 同样构造一个优化问题，目标单一（比原问题的简单，一般人能理解），这里原算法的参数为新问题的变量........，只有对于不同的问题，对于目标单一化，只有好的参数才能得到好的结果。简单说就是再引入一个进化suanfa去优化原问题参数，但是新的算法可能也要参数设定.............，但原问题的解对于这里（新引入算法的）参数的 敏感性 会降低。
    说了这么多，也不知道你们明白没，具体方法还要涉及许多具体问题，这就不多说了。
 copyright: ariszheng                                    ariszheng@gmail.com