没有 objective 函数的进化算法
Evolutionary Algorithm without an objective function
我目前正在尝试为我的程序寻找合适的参数（大约 16 个参数，程序的执行大约需要一分钟）。进化算法似乎是个好主意，我想看看它们的表现。
不幸的是，我没有很好的适应度函数，因为我的 objective 函数的方差非常高（我不能经常 运行 直到 2016 年）。但是，我可以计算出哪一组参数更好（相互测试两个配置）。您知道是否存在仅使用该信息的进化算法？还有其他更合适的优化技术吗？对于这个项目，我使用 C++ 和 MATLAB。
// 更新：非常感谢您的回答。两者看起来都很有希望，但我需要几天时间来评估它们。抱歉耽搁了。
如果您的成对测试给出了正确的总排序，即如果 a >= b，并且 b >= c 意味着 a >= c，并且 some other conditions . Then maybe you can construct a ranking objective on the fly, and use CMA-ES 对其进行优化。 CMA-ES是一种进化算法，对函数值的保序变换和输入的保角变换具有不变性。此外，因为它是二阶方法，与其他无导数搜索启发式算法相比，它的收敛速度非常快，尤其是在像遗传算法这样的随机搜索需要永远进行的高维问题中。
如果您可以成对比较解决方案，那么某种 tournament selection 方法可能会很好。维基百科文章描述了将其用于遗传算法，但它很容易应用于进化算法。你所做的是重复 select 人口中的一小组解决方案，并在其中进行比赛。为简单起见，锦标赛规模可以是 2 的幂。如果是 8，则将这 8 个随机配对并进行比较，select 有 4 个获胜者。将它们配对并 select 2 位获胜者。在最后一轮中 -- select 总冠军。然后可以将该解决方案变异 1 次或多次以为下一代提供成员。
我目前正在尝试为我的程序寻找合适的参数（大约 16 个参数，程序的执行大约需要一分钟）。进化算法似乎是个好主意，我想看看它们的表现。
不幸的是，我没有很好的适应度函数，因为我的 objective 函数的方差非常高（我不能经常 运行 直到 2016 年）。但是，我可以计算出哪一组参数更好（相互测试两个配置）。您知道是否存在仅使用该信息的进化算法？还有其他更合适的优化技术吗？对于这个项目，我使用 C++ 和 MATLAB。
// 更新：非常感谢您的回答。两者看起来都很有希望，但我需要几天时间来评估它们。抱歉耽搁了。
如果您的成对测试给出了正确的总排序，即如果 a >= b，并且 b >= c 意味着 a >= c，并且 some other conditions . Then maybe you can construct a ranking objective on the fly, and use CMA-ES 对其进行优化。 CMA-ES是一种进化算法，对函数值的保序变换和输入的保角变换具有不变性。此外，因为它是二阶方法，与其他无导数搜索启发式算法相比，它的收敛速度非常快，尤其是在像遗传算法这样的随机搜索需要永远进行的高维问题中。
如果您可以成对比较解决方案，那么某种 tournament selection 方法可能会很好。维基百科文章描述了将其用于遗传算法，但它很容易应用于进化算法。你所做的是重复 select 人口中的一小组解决方案，并在其中进行比赛。为简单起见，锦标赛规模可以是 2 的幂。如果是 8，则将这 8 个随机配对并进行比较，select 有 4 个获胜者。将它们配对并 select 2 位获胜者。在最后一轮中 -- select 总冠军。然后可以将该解决方案变异 1 次或多次以为下一代提供成员。