FA：一些思考

关于代码需要注意：

1、画图后有一个震荡点，按照FA的定义，应该是一定收敛的，因此问题可能出来代码里。

2、α在集成后，应该尽可能的小，因为在前面局部探索中，最优解已经聚集起来了。

3、考虑β的变化，看RAFA的论文，及算法实现

4、我还是觉得画图有问题，不知道是深拷贝还是从函数内部取值出错了。

 

关于FA的一些思考：

1、它的最优值应该来源于局部探索，也就是说，如果前期局部探索没有探索到最优值附近，那么算法就不可能找到最优值，因此前期的局部探索非常重要，我觉得我的方向应该是正确的，因此我的算法在最优解不在零点附近的问题上表现良好。

2、在前期充分探索后，后期的alpha值应该更小，甚至我觉得可以考虑做一个全局alpha函数以此来更新alpha，使得局部探索可以顺滑的过度到全局探索。

 

# Python 折线图 

def plot3(X, Y1, Y2, Y3, legend1, legend2, legend3):
    Y1 = np.log(Y1)
    Y2 = np.log(Y2)
    Y3 = np.log(Y3)
    X = np.array(range(int(X / 100) + 1))
    plt.plot(X,Y1,marker='o',ls='-',mec='r',mfc='w',label=legend1)
    plt.plot(X,Y2,marker='*',ls='-',ms=10,label=legend2)
    plt.plot(X,Y3,marker='^',ls='-',mec='b',label=legend3)
    plt.legend()
    plt.xlabel('FEs/1000')
    plt.ylabel('Best Fitness Value(log)')
    plt.show()