我正在使用随机优化算法 CMA-ES。尽管它在第一个循环中找到了全局最小值（我知道，因为它是一个虚构的基准测试），但一些循环后的算法收敛到另一个最小值（局部最小值，因为它具有更大的成本函数值）。
大家有这方面的经验吗？
我是否必须关心它是否收敛到局部最小值，因为它已经找到了全局最小值？像这样只使用全局最小值而不关心算法在哪里收敛是错误的吗？
我从结果中得出的观点是，这是由于正态分布而发生的，全局最小值只有少数解决方案，但局部最小值具有很大比例的解决方案。 （我尝试了很多不同的总体值但结果是一样的）
预先感谢您的帮助！
答案 0 :(得分：1)
在运行进化算法时保持全局“最佳”解决方案是很常见的，特别是如果它们允许从更好的算法转向更差的结果。
如果您使用近似适应度函数运行算法并且获得足够好的结果是可以的，那么您可以使用它收敛的结果。根据您要解决的问题，过拟合解决方案可能非常好或非常糟糕。
如果您的适应度函数不是近似值，而是要优化的正确指标，请保留最佳性能并在您完成算法运行后使用它。