Algorithm 有限个方差点的参数优化算法

我试图对一个算法进行元优化，它几乎有一个dosen常数。我想应该使用某种形式的遗传算法。然而，该算法本身就相当繁重，本质上是概率的（蚁群优化的一个版本）。因此，计算某些参数集的适应度非常缓慢，结果包含大量方差。即使某些参数的数量级也不完全清楚，因此某些组件上的分布可能需要对数分布

---

有人对这个问题的合适算法有什么想法吗？也就是说，它需要收敛于有限数量的测量点，并且能够处理测量适应度中的随机性。而且，用Java实现越容易，当然就越好。：）

> P>如果你可以代数地表达你的模型（或者作为微分方程），考虑尝试一种基于导数的优化方法。这些方法具有您想要的理论特性，并且比黑箱/无导数优化方法计算效率更高。如果您有MATLAB许可证，请尝试一下FMINCO。注：如果您提供衍生工具信息，fmincon将工作得更好。其他建模环境包括Pyomo、CasADi和Julia/JuMP，它们将自动计算导数，并与强大的优化解算器交互。

我认为PSO更适合您。请查找

黑盒优化

或

无导数优化

。这通常是一个非常困难的问题！A谢谢，我会留意的！