数据科学每日总结--Day26--数据挖掘

the bad news

• 定义：盲目搜索目标解在巨大搜索的空间里，几乎不可能成功，就像大海捞针。就算是代表同一个元素，但是因为表示形式不同，搜索的空间也同样巨大。

• 解决办法是需要利用问题和结构信息：

  1. 启发式与元启发式：GA/DE/PSO/SA/ACO 等，通过选择、交叉/变异、信息素、速度更新等逐步偏向更优区域

  2. 局部改进：2-opt/3-opt、梯度/拟牛顿、CMA-ES 等在有结构时快速细化

  3. 先验与约束：缩小可行域、合理初始化、变量缩放与降维

  4. 并行与代理：批量评估、多岛模型、贝叶斯优化/代理模型减少昂贵评估次数

FLOPS

• 定义：指的是单精/双精浮点运算每秒，也就是原始算力

• 面临问题：

  • 指数级搜索空间：前面说的NP-hard或高维优化，即使EFLOPS也难以穷举

  • 成本不止算力：数据搬运、缓存/带宽、分布式通信、I/O 会成为瓶颈

  • 目标函数昂贵：一次评估可能要跑复杂仿真/训练模型，单次就耗时

• 工程应对：

  • 并行化：批评估、种群算法天然并行（异步/岛模型），利用多核/GPU/集群

  • 算法层优化：减少评估次数比提升每次速度更关键。用启发式、局部搜索、早停、剪枝

  • 代理/多保真：Bayesian/高斯过程、随机特征、低保真仿真加速筛选，再用高保真精修

  • 内存与数据布局：向量化、混合精度、减少数据复制，提高算力利用率

  • 复杂度管理：降维、问题分解、参数化设计，尽量把指数问题"变小"

一点交叉

• 定义：在遗传算法中，交叉是用来模拟生物遗传过程中染色体之间基因组合的操作，目的是产生新的个体（下一代）。而一点交叉的具体做法是，在两个父代染色体的同一位置（交叉点）切开，然后交换切点后的基因段，从而生成两个新的子代。

• 实现过程：

  1. 任选两个父代染色体

  2. 随机产生一个交叉点

  3. 以该点为界，左侧来自父本A，右侧来自父本B（或反之），拼接成子代

• 作用：

  • 重组父代的"基因片段"，把各自的优良部分组合到一起，产生潜在更优的解

  • 比无性复制更能探索新的组合结构

遗传算子

• 选择：

  • 作用：把搜索偏向"更有前景"的个体，强化利用

  • 风险：过强会降低遗传多样性，导致早熟收敛

  • 调参：降低锦标赛规模/精英数；引入随机保留

• 交叉：

  • 作用：重组优秀"基因块"（Building Blocks），是GA的主要搜索动力，促进在解空间内做有意义的大步跳跃

  • 对多样性的影响：本身中性，取决于与选择/编码配合

  • 实务：选与编码匹配的交叉（实数SBX、排列PMX/OX等），pc常取0.6--0.9

• 变异：

  • 作用：增加多样性、打破同质化，迫使算法探索当前焦点之外的区域

  • 风险：过大像随机搜索，过小难以逃离局部最优风险：过大像随机搜索，过小难以逃离局部最优

  • 调参：pm通常较小（如每位1/L或0.05--0.2），可自适应随代数或多样性调节

核心的平衡在于，选择提高利用，变异提高探索，交叉在二者间搭桥重组信息。一般会选择的经验策略是：前期弱选择+高交叉/略高变异促探索；后期加强选择、降低变异促收敛；配合精英保留与多样性监控/岛模型以稳健收敛