Optimization 调整粒子群优化（PSO）的参数

要调整的参数，有两种方法脱机和联机。在离线方式下，通过使用另一个覆盖优化器来调整PSO的参数。在在线方式中，有两种技术，即自适应，“包括向搜索空间添加部分或全部优化器行为参数，从而使其与手头的问题一起进行优化”。另一种技术是元自适应，“在优化问题的过程中，重叠优化器试图在线调整另一优化器的参数。”

“元优化的概念。黑盒优化器以脱机方式用作叠加元优化器，用于查找另一种优化方法的良好行为参数，进而用于优化一个或多个实际问题。”

在标准粒子群优化算法中，粒子通过均匀随机数初始化，这些粒子通过更新方程更新。根据目标函数的最佳值选择最佳解

在我的工作中。我有两个数据集，训练数据集和理论数据集，我需要使用训练数据而不是随机数来初始化粒子。

在这种情况下，如何使用训练和理论数据集调整粒子群优化算法的参数。

另外，我还有一个问题，那就是，我在PSO的初始步骤中得到了最佳成本，并且在初始步骤中没有参数或更新方程。

---

是否可以使用机器学习方法调整参数？我该怎么做？

@Yola你能帮我回答这个问题吗。谢谢。@Yola你能帮我回答这个问题吗。非常感谢。