Optimization 优化已找到全局最小值，但收敛到局部最小值

我使用的是随机优化算法CMA-ES。虽然它在第一个循环中找到全局最小值（我知道，因为这是一个虚构的基准测试），但在一些循环后，算法会收敛到另一个最小值（一个局部最小值，因为它具有更大的成本函数值）

每个人都有这方面的经验吗

我是否需要关心它是否收敛到局部最小值，因为它已经找到了全局最小值？仅仅使用这样的全局最小值而不关心算法在哪里收敛是错误的吗

从结果来看，我的观点是，这是由于正态分布，全局最小值只有少数解，而局部最小值有很大比例的解。（我尝试了许多不同的人口价值观，但结果是一样的）

---

提前感谢您的帮助

在运行进化算法时，通常会保留一个全局“最佳”解决方案，特别是当它们是允许从更好的算法转移到更坏的结果时

如果你用一个近似的适应度函数来运行这个算法，并且得到一个足够好的结果是可以的，那么你可以使用它收敛到的结果。根据您正在解决的问题，过度拟合解决方案可能是非常好的，也可能是非常坏的

---

如果你的适应度函数不是一个近似值，并且是要优化的正确指标，只需保持最佳性能，并在运行完算法后使用它。

你能提供有关目标函数的更多详细信息吗？