【发布时间】：2009-10-12 09:02:18
【问题描述】：
设置如下：
我有一个可以成功或失败的算法。 我希望它以尽可能高的概率成功。 成功的概率取决于一些参数（和一些外部环境）：
struct Parameters {
float param1;
float param2;
float param3;
float param4;
// ...
};
bool RunAlgorithm (const Parameters& parameters) {
// ...
// P(return true) is a function of parameters.
}
如何（自动）以最少的调用次数找到最佳参数 RunAlgorithm ？ 我会特别高兴有一个 readl 库。
如果您需要有关我的特定案例的更多信息：
- 成功概率是参数的平滑函数，具有单一全局最优值。
- 大约有 10 个参数，其中大部分是独立可调的（但有些是相互依赖的）
- 我会在一夜之间运行调整，我可以处理大约 1000 次运行算法调用。
澄清：
最佳参数必须在一夜之间自动找到，并在白天使用。 外部环境每天都在变化，因此不可能一劳永逸地计算它们。
更多说明：
RunAlgorithm 其实就是玩游戏的算法。它与固定的对手进行一整场比赛（围棋或国际象棋）。我可以在一夜之间玩 1000 场比赛。每晚都是另一个对手。
我想看看不同的对手是否需要不同的参数。
RunAlgorithm 是平滑的，因为稍微改变参数只会改变一点算法。
可以通过具有相同参数的大量样本来估计成功概率。 但是在不改变参数的情况下运行这么多游戏成本太高了。
我可以尝试独立优化每个参数（这将导致每个参数运行 100 次），但我想存在一些依赖关系。
整个问题在于如何明智地使用稀缺数据。
玩的游戏非常随机，这没问题。
【问题讨论】：
-
请指定您使用的语言。
-
语言无关紧要。我可以将 RunAlgorithm 作为单独的可执行文件，并通过配置文件或命令行获取参数。
-
也许你想多描述一下算法。
-
算法是和一个固定的对手玩游戏，输赢。参数控制搜索、评估和算法的不同方面。
-
当然这在参数上通常是不平滑的，如果你的玩家是确定性的，那么这个函数对于某些参数将是 0，对于其他参数是 1。即使它们不是确定性的并使用 RNG，该函数也很难平滑，这将是分段常数。请清楚您要达到的目标。具有离散估值（例如，基于 3 次运行）的遗传算法应该可以在恕我直言。
标签： algorithm parameters performance