我试图对一种算法进行元优化，该算法几乎具有一定的常数。我想应该使用某种形式的遗传算法。然而，算法本身非常重且具有概率性（蚁群优化的一种形式）。因此，计算某些参数集的适应度非常慢，结果包括很多方差。甚至某些参数的数量级也不是很清楚，因此某些组件的分布可能需要是对数的。
有人会对这个问题有合适的算法吗？即它需要与有限数量的测量点汇合，并且还能够处理测量的适应度中的随机性。此外，使用Java实现的更容易当然更好。 ：）
答案 0 :(得分：0)
如果您可以用代数方式表示模型（或作为微分方程），请考虑尝试基于导数的优化方法。它们具有您所需的理论属性，并且比黑盒/衍生自由优化方法具有更高的计算效率。如果您有MATLAB许可证，请尝试fmincon。注意：如果您提供衍生信息，fmincon将更好地工作。其他建模环境包括Pyomo，CasADi和Julia / JuMP，它们将自动计算衍生物并与强大的优化求解器接口。