遗传/进化算法和局部最小/最大值

Question

我遇到过几个帖子和文章，建议使用模拟退火之类的东西来避免局部最小/最大问题。

我不明白为什么如果你开始时有足够大的随机人口，这就是必要的。

是否只是另一项检查确保初始人口实际上足够大且随机？或者这些技术只是产生“好”初始人口的替代方法？

Answer 1

模拟退火是一种概率优化技术 - 它不应该给你更精确的答案，它应该给你近似更快。

Answer 2

模拟退火是概率技术，其中陷入局部最小值/最大值的机会取决于温度的调度。对于不同类型的问题，调度温度是不同的。进化算法更加健壮，不太可能陷入局部最小值/最大值。 SA是概率性的。另一方面，EA使用在搜索空间中引入随机游走的变异，这就是为什么EA获得全局最优的概率更高。

Answer 3

首先，模拟退火是最后的手段。有更好，更有效，更有效的方法来发现找到局部最小值的地方。

更好的检查是使用统计方法来发现有关数据集的信息，例如方差或标准偏差。