我现在做实验的逻辑是:基于已有的算法,期待在已经有的好的效果的基础上,进行微小的变动,期待实现更好的效果。即使提升不大,但是已经足够打败该测试集下一些其他的算法。【本质上就是水论文,所以显得很零散。】实际上,应该就问题去进行优化,【但是如何发现问题本身就是个问题。】如果没有落脚到实际应用上,那么现在DE的普遍问题在于如何实现探索与开发的平衡,解决容易陷入局部最优的问题。因此很多文章在如何增加多样性上进行了探究,这里基于DE的变异、交叉上又有不少论文。变异用了各种方式进行分类,分层,选精英,实际上就是界定出具有差异的多种集合,从中选择更五花八门的变异方法,就会有更五花八门的实验向量,从而提升多样性。【这里有一个想法,在一个智能电网优化应用上,一个方法只使用了单个个体,通过对个体不同表示开展不同的变异方式实现了极其优越的性能,那如果有一群如此优越的个体是不是更有更好的效果。】
从理论的层面上,传统交叉方法具有偏向性,拟仿射矩阵的方式从放高维的视角解决的这一偏向。但是QUATER的问题在于,调参非常的困难,【所以拟仿射矩阵对我来说只能是一个迁移模块。】
另外还有一些外加模块,可以对现有DE进行变化,目前专注在扰动的实现。基于对停滞个体的判定,将不同的扰动策略用在停滞个体上,实际上是对种群多样性最无脑的调节。好的效果需要适当的参数适配,有控制类TOP期刊对基于混沌图的扰动机制做过专门的描述,通篇只讲了一个混沌局部随机搜索的影响,简单来说是基于混沌图的不同扰动方式在JADE上的效果。【以此论证了该模块的有效性甚至理论性,所以即使一个开放性的扰动模块深究下去,让审稿人看到它的可用性本身就是有价值的。】
当然还有一些参数调节,比如各种对F和Cr的自适应调节方式,ps种群缩减方式,都作为算法进一步优化方式被不断提出。除此之外,还有一些其他的优化方式,比如代理辅助,有约束,景观变化等等。
讲了一些,现有的实验模块后,其实更容易陷入一个误区--模块拼接。所以,接下来要转变思想写一些好的期刊会议,就需要聚焦到一个点上把它讲透,或者对应于一个具体的实例做差异化改进,从而体现价值。