Features
优化算法说明
基础命令：执行优化算法及生成报告
hitdic_opt -p project.input --tdb=xxx_start.tdb --start --strategy=ga
hitdic_opt -p project.input --tdb=xxx_start.tdb --report --use_result=ga --report_dir=report-ga
可选优化算法
- varselga: 变量选择遗传算法，用于参数降维
- ga: 遗传算法，用于一般优化
- rega: 自动化参数正则化遗传算法，对模型及参数复杂度进行压缩
- nsga2：非支配排序遗传算法(NSGA-II)，用于基于多来源数据集的优化过程
- nsga3：非支配排序遗传算法(NSGA-III)，用于基于多来源数据集的优化过程
设置优化的迭代次数
hitdic_opt -p project.input --tdb=xxx_start.tdb --start --strategy=ga --algo_config="ga:maxiter=100;"
指定结果文件
hitdic_opt -p project.input --tdb=xxx_start.tdb --start --strategy=ga --result_file=result.json
说明：如果指定了结果文件，后续的其他优化或者报告生成时，都需要继续指定该结果文件。
将已完成的优化结果作为下一次优化的初始值
hitdic_opt -p project.input --tdb=xxx_start.tdb --start --strategy=ga --use_result=ga
在优化时剔除取值为零的参数
hitdic_opt -p project.input --tdb=xxx_start.tdb --start --strategy=ga --use_result=varselga --sweep_zero_params
说明：主要用于变量选择遗传算法(varselga)。该算法会识别取值为零的参数，并将其从优化过程中将其标记为0。后续的优化过程如果想继承前一次的优化结果，则需要指定--sweep_zero_params，达到剔除取值为零的参数的目的。
生成报告文件
hitdic_opt -p project.input --tdb=xxx_start.tdb --report --use_result=ga --report_dir=report-ga
hitdic_opt -p project.input --tdb=xxx_start.tdb --report --use_result=ga --report_dir=report-ga --result_file=result.json