集体智慧编程-优化

**机器学习，多领域
对数据：搜集、分析、整理

单因素

多因素

（综合考虑）
_

随机

（减少计算）
因素可接受范围、随机产生猜测并返回最优解；

更优

猜测次数增加

爬山法

思路：产生随机值，找附近的更优解，并不断寻求最优解

创造随机解
得相邻解的列表，偏离于原值
比大小，得较优解

缺点

-仅在随机值附近的局部可求，可能错过全局的最优解

办法

-多个随机值

模拟退火法

遇差则退

区别于爬山

会对某方向的结果进行预判（变高/低），减少计算；
概率计算：指数函数？？

遗传算法

种群A

随机生成一组解

新种群B（下一代）

特点

大小通常相同
最优解修改后的全新解+精英选拔

精英选拔

取A的最顶端题解加入B

修改

• 变异

对既有解微小、简单、随机的改变 eg递增、递减

• 交叉（配对）

  取最优解中的两个，结合 eg解a一个元素+b剩余元素

**

优化可能不起作用：随机搜索&优化方法效果相当
确立的目标要明确且精准：目标&最优解-可能存在约束条件的差异，导致偏差

成本函数

法则

尽可能让最优解的成本为零（作为目标）

意义

助于了解当前解与目标的差距
停止搜寻的标准

读编程语句

.setdefault：**

• 若存在该key则返回value;
• 若不存在则添加新key,默认设value为0；

.append
给一个key后面添了一个元组