2. 程式人生 > >高維（多變數）優化問題的技術與瓶頸

高維（多變數）優化問題的技術與瓶頸

阿新 • • 發佈：2018-12-04

現實世界中的優化問題往往具有較高的複雜度和維數，稱為LSGO問題，即Large-Scale Global Optimization。

此問題在各個領域的研究工作中都引起了極大的興趣。許多科學和工程應用程式被表述為LSGO問題，如設計大型電子系統，大量資源的排程問題，大規模交通中的車輛，路由問題網路，生物資訊學中的基因識別，逆問題，化學動力學等。在過去的十年裡，大量的元啟發式為了顯著提高處理演算法的效能，開發了演算法或改進演算法LSGO問題。

下表是常見的處理LSGO問題的演算法與技術：

這裡寫圖片描述

下面列出了LSGO問題的挑戰：

(1)搜尋空間隨著決策變數的數量呈指數增長;

(2)元啟發式演算法通常的需要的計算代價太大（維度多，時間長）;

(3)基於分治思想的CC方法需要研究變數的互動性（關聯性）;

(4)高維特徵的冗餘性與不相關性較大（irrelevant and redundant）會降低演算法的效率和效能。

以上問題導致了大多數解決大規模問題的演算法在超過1000D的資料上效果很差。

參考文獻：Mahdavi S, Shiri M E, Rahnamayan S. Metaheuristics in large-scale global continues optimization: A survey[J]. Information Sciences, 2015, 295: 407-428.

更多內容訪問omegaxyz.com
網站所有程式碼採用Apache 2.0授權
網站文章採用知識共享許可協議BY-NC-SA4.0授權
© 2018-2020 • OmegaXYZ-版權所有 轉載請註明出處

相關推薦

高維（多變數）優化問題的技術與瓶頸

現實世界中的優化問題往往具有較高的複雜度和維數，稱為LSGO問題，即Large-Scale Global Optimization。 此問題在各個領域的研究工作中都引起了極大的興趣。許多科學和工程應用程式被表述為LSGO問題，如設計大型電子系統，大量資源的排程問題，大規模交通中的車輛

SPA（單頁面）和MPA（多頁面）的區別與優缺點

SPA指的是由一個外殼和多個程式碼片段構成的應用。 MPA指的是由多個完整頁面構成的應用。 跳轉方式 SPA：把當前頁面隱藏或刪除，再載入另一個程式碼片段，並沒有脫離外殼頁 MPA：從一個頁面跳轉到另一個新的頁面。

FFmpeg總結（十二）用ffmpeg與nginx實現直播多路流並發播放

xxx 開源 conf ref itl rect arc med rtm 圖：撒哈拉沙漠 下載 nginx 和 nginx-rtmp源碼： http://nginx.org/download/nginx-1.5.10.tar.gz https://github.com/a

《大數據日知錄：架構與算法》讀書筆記（多圖）

打通 導論 ges wid 技術分享 二次 思維 知識點 很好 第二次讀這本書，這次是精讀，畫了思維導圖。書很好，完整的知識結構和由淺入深的介紹，非常全面以至於知識點都梳理了三天。 作為導論式的總覽，對大數據領域有了個總體的認識，接下來可以更針對性地加強和實踐。 總體上

程序編譯與代碼優化 -- 早期（編譯期）優化

加密 使用 早期 time java語法 支持 註意 本地 IT 1. 概述 Java編譯器可能是指一個前端編譯器（其實叫“編譯器的前端”更準備一些），把*.java文件轉變成*.class文件的過程；也可能是指虛擬機的後端運行期編譯器（JIT編譯

通證經濟大局觀（二十三）：部落與技術進步

既然我們是以組織和協作模式的角度來聊通證經濟體，且丟擲了一個大結論：通證經濟體將超越公司和國家，成為歷史的必然。那麼，就有必要循著人類組織和協作模式的演化長河，溯流而下，試看“通證經濟體”是否沿途必經的高山峽谷。 在大自然的進化中，有兩種方向，一種是個體越來越強，比如老虎的凶猛、豹子的速度、老鷹

c++三大特性（繼承，封裝，多型）及過載與多型的區別。

    封裝可以隱藏實現細節，使得程式碼模組化，繼承可以擴充套件已存在的模組，它們目的都是為了：程式碼重用。而多型是為了實現另一個目的：介面重用。     封裝是面向物件的特徵之一，是物件和類概念的主要特性。封裝是把過程和資料包圍起來，

深入理解 Java 虛擬機器（十一）程式編譯與程式碼優化

編譯期優化 Java 語言的編譯期其實是一段不確定的過程，可以是前端編譯器 (Javac) 把 java 檔案編譯為 class 檔案的過程，也可能值虛擬機器的後端執行期編譯器 (JIT 編譯器，Just In Time Compiler) 把位元組碼轉變為機器

JAVA核心技術I---JAVA基礎知識（多型）

一：類轉型 類轉型：子類可以轉父類，父類不可以轉子類(除非父類物件本身就是子類） 1.父類 public class Human { public void say() { System.out.println("Hello World");

Android多執行緒-----併發和同步（原子變數）

在java中的變數在++等操作是不是原子操作，分為先加一，然後賦值，從而在多執行緒編碼時需要加上synchronizeed，為了增加易用性，java當前提供了原子變數，當前的原子變數有AtomicBoolean、AtomicInteger、AtomicLong、AtomicReference等，其特

JRebel外掛安裝配置與破解啟用（多方案）詳細教程

JRebel 介紹 IDEA上原生是不支援熱部署的，一般更新了 Java 檔案後要手動重啟 Tomcat 伺服器，才能生效，浪費不少生命啊。目前對於idea熱部署最好的解決方案就是安裝JRebel外掛，這樣不論是更新 class 類還是更新 Spring 配置檔案都

c語言物件（函式，類，變數）的宣告與定義

最近在看一本《c缺陷與陷阱》，意識到在大型程式時物件的宣告與定義的重要性 普通變數的定義與宣告 每個外部物件都必須在程式的某個地方進行定義。因此如果一個程式中包含了語句 extern int a;//宣告變數a 那麼，這個程式就必須在別處的某個地方包括語句 in

小程式開發之檔案作用域（全域性變數）與模組化（utils抽離工具類）

檔案作用域 在 JavaScript 檔案中宣告的變數和函式只在該檔案中有效；不同的檔案中可以宣告相同名字的變數和函式，不會互相影響。 通過全域性函式 getApp() 可以獲取全域性的應用例項，如果需要全域性的資料可以在 App() 中設定， 例如： glob

【轉】JRebel外掛安裝配置與破解啟用（多方案）詳細教程

JRebel 介紹　　 IDEA上原生是不支援熱部署的，一般更新了 Java 檔案後要手動重啟 Tomcat 伺服器，才能生效，浪費不少生命啊。目前對於idea熱部署最好的解決方案就是安裝JRebel外掛，這樣不論是更新 class 類還是更新 Spring 配置檔案都能做

三維（多維）陣列與 指標 sizeof strlen

多維陣列可以看作是一維陣列的首元素地址所組成的陣列的首元素地址所組成的陣列~~~ 而且同級別的元素在連續的記憶體空間中儲存 有點暈，來看個圖 看個程式碼 輸出了arr[0]開頭的所有元素，因為a

多執行緒遊戲（飛機大戰）的設計與實現

遊戲框架設計 在做一個飛機大戰前，我們首先要確定我們需要建幾個類，這裡我們為飛機，子彈，物品建了類。因為它們有自己的屬性和方法，方便重複建立物件並區分。飛機大戰的窗體介面和監聽器是必不可少的類，然後為了畫面的重繪以及影象的繪製，我們專門建立了一個類繼承容器，在這

機器學習基礎（五十三）—— 精確率與召回率（多分類問題精確率和召回率的計算）

精確率（precision），召回率（recall）由混淆矩陣（confusion matrix）計算得來。 在資訊檢索中，精確率通常用於評價結果的質量，而召回率用來評價結果的完整性。 實際上，精確度（precision）是二元分類問題中一個常用的指

（多型）Java向上轉型之後呼叫子類的同名變數/方法的問題

class Father{ public void f(){ System.out.println("A"); } } class Son extends Father{ public void f(){

深度學習（多變數線性迴歸）

今天完成了多變數線性迴歸的程式設計練習，除了訓練引數theta以外，還要訓練學習速率alpha。資料下載地址 %x資料有兩個屬性：x(1)是房子的大小，x(2)是房子臥室的個數 %y資料是房子的價格

第二週（多變數線性迴歸 +Matlab使用）-【機器學習-Coursera Machine Learning-吳恩達】

目錄：    多變數線性迴歸（模型、梯度下降技巧）    特徵選擇和多項式迴歸    正規方程    Matlab學習1 多變數線性迴歸1）模型- 假設函式：- 引數：全部的 theta- 代價函式：和單變量回歸一樣- 梯度下降：2）梯度下降演算法的實用技巧    - 特徵縮