Algorithm 快速爬山算法,可在接近最优时稳定
我有一个来自Algorithm 快速爬山算法,可在接近最优时稳定,algorithm,machine-learning,hill-climbing,Algorithm,Machine Learning,Hill Climbing,我有一个来自[1500]的浮点数x,它以某种概率生成1的二进制y。我试图找到能产生最多1或具有最高p的x。我假设只有一个最大值 是否有一种算法可以快速收敛到x,具有最高p,同时确保在e.x.达到最佳x的0.1%以内时不会跳得太多?具体来说,如果它在接近最佳x的
[1500]
的浮点数x
,它以某种概率生成1
的二进制y
。我试图找到能产生最多1
或具有最高p
的x
。我假设只有一个最大值
是否有一种算法可以快速收敛到x
,具有最高p
,同时确保在e.x.达到最佳x
的0.1%以内时不会跳得太多?具体来说,如果它在接近最佳x
的<0.1%时稳定下来,那就太好了
我知道我们可以用模拟退火来实现这一点,但我不认为我应该硬编码温度,因为当x
可能来自[1300]
或者p
分布不同时,我需要使用相同的算法。提供了一种智能爬山算法。基本上是以n个样本为起点。算法如下(针对您的问题简化为一维):
n
采样点。在本文中,他使用线性超立方体抽样,因为本文中的数据的维数被假定为较大。在您的例子中,因为它是一维的,所以您可以像往常一样使用随机树苗