例如我有一个函数要优化: 应用旋转加上和的平移: 和 足够远。然而,实际的优化方法,例如差分进化,通常存在旋转和平移函数的问题——它们很好地优化了原始函数,但旋转版本没有那么好。
所以,我想知道一些正式的一般证明,证明对于优化(尤其是非凸情况),这些函数应该是等价的。听听为什么 DE 优化方法可能会失败的原因也很有趣。
例如我有一个函数要优化: 应用旋转加上和的平移: 和 足够远。然而,实际的优化方法,例如差分进化,通常存在旋转和平移函数的问题——它们很好地优化了原始函数,但旋转版本没有那么好。
所以,我想知道一些正式的一般证明,证明对于优化(尤其是非凸情况),这些函数应该是等价的。听听为什么 DE 优化方法可能会失败的原因也很有趣。
令 ,和其中是一个双射映射。
让
使用 ,并在两侧应用
所以我们有
出于直觉,我们可以将转换视为对域中的点进行某种重新排列。所以函数的最大值保持不变。最大化的论点会有所不同。我们通过转换参数得到原始解决方案。
如果您已经在进行参数转换,那么您可能还需要转换初始点以获得与原始优化相似的结果。