Настройте параметры оптимизации роя частиц (PSO)
Для настройки параметров Оптимизации роя частиц (PSO) существует два метода: автономный и онлайн. В автономном режиме мета-оптимизация используется для настройки параметров PSO с помощью другого вышележащего оптимизатора. В интерактивном режиме есть две методики, "Самоадаптация", "заключающаяся в добавлении некоторых или всех поведенческих параметров оптимизатора в пространство поиска, что делает их подверженными оптимизации наряду с рассматриваемой проблемой". Другой метод - это метаадаптация, "в которой наложенный оптимизатор пытается настроить параметры другого оптимизатора в режиме онлайн во время оптимизации проблемы".
"Концепция мета-оптимизации. Оптимизатор черного ящика используется в автономном режиме в качестве наложенного мета-оптимизатора для поиска хороших поведенческих параметров другого метода оптимизации, который, в свою очередь, используется для оптимизации одной или нескольких актуальных проблем".
В стандартном PSO частицы инициализируются с использованием однородных случайных чисел, а эти частицы обновляются с использованием уравнений обновления. лучшее решение выбирается исходя из наилучшего значения целевой функции.
В моей работе. У меня есть два набора данных: обучающий и теоретический набор данных, и мне нужно инициализировать частицы, используя тренировочные данные вместо случайных чисел.
В этом случае, как я могу настроить параметры PSO, используя учебный и теоретический набор данных.
Кроме того, у меня есть проблема, которая заключается в том, что я получил лучшую стоимость на начальном этапе PSO, а на начальном этапе нет параметров или обновлений уравнений.
Можно ли настроить параметры с помощью метода машинного обучения? Как я могу это сделать?