如何选择优化策略与配置参数？

2022-08-19 15:20:29

回答

章老师

厂商代表软件顾问在线聊

2022-08-19 15:22:17

南京天洑软件有限公司

● 代理模型的使用策略

优化策略大体可以分为代理模型和无代理模型两类。代理模型通过构建响应面来简化优化成本，但对于未知问题，构建高质量的响应面，需要一定量的数据支持，此外，高质量的代理构建，不仅仅是样本规模的问题，还受样本质量的影响。一般而言，样本中的各个设计点分布越紧密质量越差（即设计点的距离越接近，代理计算的矩阵越病态），分布相对分散更好。面对未知的问题，可以考虑先采用启发类非代理的优化算法进行优化，如果优化效果显著，则优化任务结束。如果希望更进一步优化结果，可以采用已有的优化过程产生的数据构建响应面，通过代理模型进一步寻优。在AIPOD中，代理类优化算法可以通过自动补点（每次2个样本）的策略，完善代理构建，对于应用环境为仿真计算类的优化问题，即需要考虑计算成本和时间成本的优化，理论上更有益处。此外，在使用代理模型时，并不意味着样本数目越多越好，过多的样本点反而会降低优化算法的效率，因而推荐采用适当的样本规模。

● 非代理优化方法的使用策略

对于启发式非代理的遗传优化算法，需要平衡种群规模与代数之间的关系，一般而言，种群规模相较代数更主要，因为种群规模即带宽，带宽越大，探索的能力越强，寻找全局最优解的可能性更高。代数间的更迭是优化前沿推进的过程，由于足够的带宽为探索提供了土壤，因此代数更迭中优化的效果更显著，即通过有限的更迭便能找到很好的优化结果。

● AIPOD优化设置参数推荐

优化问题的设计分析往往十分复杂，下图给出了一般计算规模下的推荐设置。