算法说明

单目标优化算法

参数选择遗传算法的使用及说明

参数选择遗传算法的意义

• 参数选择遗传算法的目标是在保证预测性能的同时，尽可能的减少参数的数量。
• 基本命令为

hitdic_opt --start --strategy=varselga --debug

• 执行生成报告的命令。可以在results文件夹中找到report文件。打开文件中index.html就能在浏览器中看到结果。

hitdic_opt --report --use_result=varselga --debug

自动正则化策略的使用及说明

自动正则化的意义

• 自动正则化的目标是在保证预测性能的同时，尽可能的减少参数的模型复杂度。
• HitDIC软件提供的自动正则化的策略是在参数选择遗传算法完成后，实现对模型的正则化。
• 基本命令为

hitdic_opt --start --strategy=rega --use_result=varselga --debug

• 执行生成报告的命令。可以在results文件夹中找到report文件。打开文件中index.html就能在浏览器中看到结果。

hitdic_opt --report --use_result=rega --debug

多数据来源优化算法

直接使用单目标算法进行优化

执行命令为

hitdic_opt --start --strategy=varselga --debug

--strategy=指定的算法可以是varselga，ga。

然后，执行完成后，执行生成报告的命令。

hitdic_opt --report --use_result=varselga/ga --debug

• 可以在results文件夹中找到report文件。打开文件中index.html就能在浏览器中看到结果。
• 采用单目标算法进行优化可以帮助用户快速评估数据集优良及数据库的预测性能。

使用遗传算法和多目标算法的混合策略

首先，执行混合策略的命令为

hitdic_opt --start --strategy=hierarchical --debug

然后，执行完成后，执行生成报告的命令。

hitdic_opt --report --use_result=hierarchical --debug

可以在results文件夹中找到report文件。打开文件中index.html就能在浏览器中看到结果。

使用自动正则化策略

一般而言，直接优化得到的结果倾向于取得最优的预测性能，然而在模型复杂度/参数取值等方法仍有可以改善的空间。因此，我们提供了自动正则化策略，可以在保证预测性能的同时，尽可能的减少参数的数量。执行命令为

hitdic_opt --start --strategy=rega_scaled --debug --use_result=nsga3