簡(jiǎn)介CEC2013測(cè)試集是面向演化計(jì)算與優(yōu)化算法研究者的標(biāo)準(zhǔn)基準(zhǔn)數(shù)據(jù)集涵蓋多模態(tài)、非線性、非凸等多種復(fù)雜優(yōu)化問(wèn)題及其輸入配置常用于驗(yàn)證單目標(biāo)優(yōu)化算法的尋優(yōu)能力與穩(wěn)定性。壓縮包共32個(gè)文件大小3.18MB其中28個(gè)txt文檔集中存放問(wèn)題定義、維度設(shè)置、搜索范圍及輸入數(shù)據(jù)說(shuō)明2個(gè)m腳本提供Matlab調(diào)用入口1個(gè)mexw64動(dòng)態(tài)庫(kù)便于在Windows平臺(tái)直接加載1個(gè)cpp源文件則適合C環(huán)境二次集成。已有388人學(xué)習(xí)瀏覽適合正在開展算法對(duì)比實(shí)驗(yàn)、論文復(fù)現(xiàn)或課程設(shè)計(jì)的學(xué)生與研究人員。通過(guò)該測(cè)試集可獲取完整的問(wèn)題定義、輸入數(shù)據(jù)、函數(shù)實(shí)現(xiàn)與調(diào)用示例快速搭建標(biāo)準(zhǔn)測(cè)試平臺(tái)對(duì)新型優(yōu)化算法進(jìn)行系統(tǒng)化評(píng)估并依據(jù)CEC2013官方評(píng)價(jià)指標(biāo)衡量性能表現(xiàn)有效減少重復(fù)造輪子的成本。1. CEC2013測(cè)試集帶input數(shù)據(jù)包為什么少了那幾份矩陣就是空殼CEC2013測(cè)試集在智能優(yōu)化算法圈子里幾乎是默認(rèn)的“硬考場(chǎng)”這年頭做進(jìn)化計(jì)算、粒子群、差分進(jìn)化甚至貝葉斯優(yōu)化的對(duì)比實(shí)驗(yàn)繞不開它。但真正讓新手翻車的往往不是算法本身而是標(biāo)題里“包含input”這幾個(gè)字那一堆平移向量和旋轉(zhuǎn)矩陣文件才是測(cè)試集能不能當(dāng)裁判的關(guān)鍵。少了它們F系列函數(shù)會(huì)退化成可分離的簡(jiǎn)單問(wèn)題算法跑出來(lái)的漂亮收斂曲線其實(shí)是虛假繁榮。這篇筆記面向要跑對(duì)比實(shí)驗(yàn)、復(fù)現(xiàn)論文數(shù)據(jù)或做算法選型的工程師把input數(shù)據(jù)包的結(jié)構(gòu)、讀取方式和驗(yàn)證方法一次說(shuō)透包括我見過(guò)的各種踩坑現(xiàn)場(chǎng)。文章里不提供任何完整源碼包但會(huì)把常見做法和可復(fù)現(xiàn)的最小實(shí)現(xiàn)講清楚保證你拿到資源包后能少走彎路。2. CEC2013的28個(gè)函數(shù)與input_data真實(shí)角色單峰、多峰和組合函數(shù)的分層2.1 CEC2013在測(cè)什么三類難題遞進(jìn)不是簡(jiǎn)單湊數(shù)CEC2013一共定義了28個(gè)基準(zhǔn)函數(shù)業(yè)內(nèi)習(xí)慣按編號(hào)分成三塊F1到F5是單峰函數(shù)F6到F20是多峰函數(shù)F21到F28是組合函數(shù)。這個(gè)分層不是隨便分的它對(duì)應(yīng)了算法能力的不同側(cè)面你可以把它理解成三道難度遞增的關(guān)卡。單峰函數(shù)全局最優(yōu)唯一梯度方向基本可控適合檢驗(yàn)算法的收斂速度和精度。常見的病態(tài)橢球、旋轉(zhuǎn)Rosenbrock類問(wèn)題就在這里出現(xiàn)它們會(huì)把“沿坐標(biāo)軸下降”的樸素策略直接打到谷底。多峰函數(shù)則布滿了局部最優(yōu)陷阱測(cè)試的是算法跳出局部極值的能力像Schwefel、Ackley、Griewank這類經(jīng)典函數(shù)都在這個(gè)區(qū)間里做變形。組合函數(shù)最兇它們把多個(gè)子函數(shù)按權(quán)重拼接起來(lái)不同子函數(shù)作用在不同區(qū)域造成目標(biāo)函數(shù)地形不連續(xù)、尺度不統(tǒng)一非常接近真實(shí)工程優(yōu)化里的黑匣子問(wèn)題。從復(fù)現(xiàn)論文的角度講CEC2013比CEC2005更難討巧因?yàn)樗罅恳肓诵D(zhuǎn)和非對(duì)稱操作讓函數(shù)不再“沿軸可拆”。而相對(duì)后來(lái)的CEC2017和CEC20222013的函數(shù)結(jié)構(gòu)更經(jīng)典引用基數(shù)大用來(lái)對(duì)比算法模塊改動(dòng)的影響時(shí)能明顯看出某些改動(dòng)是真正提升了搜索能力還是僅僅在好解決的問(wèn)題上刷指標(biāo)。我的一般選型建議是:如果你只做算法模塊驗(yàn)證選CEC2013就夠;如果最后需要應(yīng)對(duì)更貼近工業(yè)界的約束再考慮疊加更新版本的測(cè)試集。函數(shù)段類別主要考察點(diǎn)典型踩坑點(diǎn)F1-F5單峰函數(shù)收斂速度、精度、病態(tài)問(wèn)題處理旋轉(zhuǎn)矩陣沒加載誤以為可分離F6-F20多峰函數(shù)全局探索、局部最優(yōu)跳出初始化范圍與搜索范圍不一致F21-F28組合函數(shù)魯棒性、多尺度地形適應(yīng)中間狀態(tài)未重置結(jié)果串?dāng)_2.2 為什么“包含input”這版數(shù)據(jù)包這么關(guān)鍵平移向量與旋轉(zhuǎn)矩陣的角色先回答一個(gè)很多人沒意識(shí)到的問(wèn)題CEC2013的函數(shù)定義里絕大多數(shù)并不是教科書里那種“原點(diǎn)處對(duì)稱”的干凈函數(shù)。每個(gè)函數(shù)都帶一個(gè)全局最優(yōu)偏移量用一個(gè)平移向量把最優(yōu)解從原點(diǎn)挪到隨機(jī)位置一部分函數(shù)還額外套了一個(gè)旋轉(zhuǎn)矩陣讓變量之間產(chǎn)生強(qiáng)耦合。input數(shù)據(jù)包里裝的就是這些東西。平移向量的作用很直白如果測(cè)試集不提供全局偏移量你完全可以寫一個(gè)“碰巧知道最優(yōu)位置”的作弊算法收斂曲線能畫成一條豎線。旋轉(zhuǎn)矩陣的作用更隱蔽也更致命一個(gè)不帶旋轉(zhuǎn)的Rosenbrock函數(shù)可以讓坐標(biāo)輪換法這類算法拿到非常好的結(jié)果但一旦乘上旋轉(zhuǎn)矩陣單個(gè)變量之間的殘差就會(huì)變成所有變量的耦合疊加坐標(biāo)輪換瞬間失效。這才是CEC2013真正想測(cè)的東西一個(gè)優(yōu)化器在不知道變量間關(guān)系的前提下能不能把問(wèn)題當(dāng)成黑匣子來(lái)解。而“包含input”這幾個(gè)字本質(zhì)上是在說(shuō)測(cè)試集替你把這些隨機(jī)參數(shù)固化成了一堆可讀取的文本文件。這么做有兩大好處第一任何實(shí)驗(yàn)室拿到的數(shù)據(jù)都是一樣的結(jié)果存在可比性;第二平移向量和旋轉(zhuǎn)矩陣不再依賴隨機(jī)數(shù)生成器避免了同一套代碼在不同機(jī)器上生成不同矩陣從而結(jié)果無(wú)法復(fù)現(xiàn)的尷尬。我見過(guò)不少工程團(tuán)隊(duì)在本地自建測(cè)試函數(shù)時(shí)順手用隨機(jī)種子生成旋轉(zhuǎn)矩陣結(jié)果上服務(wù)器跑的時(shí)候矩陣變了一副面孔整個(gè)實(shí)驗(yàn)結(jié)果全部作廢。所以拿到帶input的CEC2013數(shù)據(jù)包后第一優(yōu)先級(jí)不是看函數(shù)實(shí)現(xiàn)而是先弄清楚input數(shù)據(jù)目錄里的文件結(jié)構(gòu)、命名規(guī)則和維度。這部分搞錯(cuò)了后面所有數(shù)據(jù)都不可信。3. 在本地跑通帶input的CEC2013讀取平移向量與旋轉(zhuǎn)矩陣的Python最小實(shí)現(xiàn)3.1 先做目錄偵察別急著寫代碼先看文件命名規(guī)律在實(shí)際項(xiàng)目里從公開渠道拿到的CEC2013資源包一般包含一個(gè)input_data目錄里面是平移向量和旋轉(zhuǎn)矩陣的文本或數(shù)據(jù)文件。常見命名方式有shift_data_1.txt、M_1_D30.txt、M_1_30.txt這類組合也有把全部函數(shù)的平移向量集中放在一個(gè)文件里按行分隔的做法。不同渠道發(fā)布的包命名細(xì)節(jié)經(jīng)常不一樣所以我的習(xí)慣是先做目錄偵查用兩個(gè)命令把文件結(jié)構(gòu)和長(zhǎng)度確認(rèn)清楚。ls -la input_data/ wc -l input_data/*.txt | head -30第一行命令看有多少個(gè)文件、命名前綴是什么;第二行看每個(gè)文件的行數(shù)。平移向量文件在大多數(shù)實(shí)現(xiàn)里是一行D個(gè)浮點(diǎn)數(shù)旋轉(zhuǎn)矩陣文件在很多版本里會(huì)以D行每行D列的形式存放個(gè)別版本會(huì)把矩陣展開成一長(zhǎng)串。行數(shù)信息能幫你在寫代碼之前就判斷出維度是否對(duì)得上避免加載階段就錯(cuò)位。比如一個(gè)30維問(wèn)題平移向量文件應(yīng)該有30個(gè)數(shù)字旋轉(zhuǎn)矩陣應(yīng)該有30×30個(gè)數(shù)字。提示不同渠道的包命名差異較大不要盲目沿用別人的絕對(duì)路徑。先打印目錄列表再寫通用匹配邏輯。3.2 用Python寫一個(gè)容錯(cuò)的數(shù)據(jù)加載器基于上面的命名差異直接寫死文件路徑遲早踩坑。我習(xí)慣寫一個(gè)帶模糊匹配的加載器把常見的命名模式都覆蓋進(jìn)去加載后用斷言強(qiáng)制校驗(yàn)維度。下面這份代碼你拿到自己的資源包后稍微調(diào)整匹配規(guī)則就能用。import numpy as np import glob import os def load_shift_vector(func_num, dim, data_dirinput_data): 加載CEC2013某個(gè)函數(shù)的平移向量,自動(dòng)適配常見命名 # 單獨(dú)文件模式: shift_data_1.txt / shift_1_30.txt 等 patterns [ fshift_data_{func_num}*.txt, fshift_{func_num}*.txt, fshift_{func_num}_*{dim}.txt, ] for pattern in patterns: hits glob.glob(os.path.join(data_dir, pattern)) if hits: arr np.loadtxt(hits[0]) if arr.size dim: return arr[:dim].astype(float) # 單文件多函數(shù)模式: 整個(gè)shift_data.txt按順序切塊 merged_file os.path.join(data_dir, shift_data.txt) if os.path.exists(merged_file): arr_all np.loadtxt(merged_file) block arr_all[(func_num - 1) * dim: func_num * dim] if block.size dim: return block.astype(float) raise FileNotFoundError(f找不到函數(shù){func_num}的平移向量請(qǐng)先ls目錄) def load_rotation_matrix(func_num, dim, data_dirinput_data): 加載旋轉(zhuǎn)矩陣,兼容 D 前綴/后綴的一維展開和二維矩陣 patterns [ fM_{func_num}_D{dim}.txt, fM_{func_num}_{dim}.txt, fM_{func_num}_{dim}D.txt, fM_D{dim}_{func_num}.txt, ] for pattern in patterns: hits glob.glob(os.path.join(data_dir, pattern)) if hits: mat np.loadtxt(hits[0]) # 若是一維展開,則按dim×dim還原 if mat.ndim 1: mat mat.reshape(dim, dim) if mat.shape[0] dim and mat.shape[1] dim: return mat[:dim, :dim].astype(float) return mat[:dim, :dim].astype(float) raise FileNotFoundError(f找不到函數(shù){func_num}的旋轉(zhuǎn)矩陣請(qǐng)檢查命名)這段代碼的邏輯其實(shí)很樸素先用通配符匹配單獨(dú)文件找不到時(shí)再去嘗試“一個(gè)大文件按行切塊”的合并模式。旋轉(zhuǎn)矩陣的處理多了一層很多版本把矩陣按行鋪成一維寫進(jìn)文件必須用reshape(dim, dim)還原不還原就會(huì)出現(xiàn)維度對(duì)不上、矩陣乘法直接報(bào)錯(cuò)的問(wèn)題。兩個(gè)關(guān)鍵參數(shù)說(shuō)明func_num傳1到28對(duì)應(yīng)你要評(píng)估的函數(shù)編號(hào);dim傳10、30或50必須與你在資源包中選定的數(shù)據(jù)維度一致。如果測(cè)試集包里同時(shí)存在10D、30D、50D三套矩陣加載時(shí)只挑與dim匹配的那一份混用會(huì)導(dǎo)致矩陣乘法形狀不匹配或得到完全錯(cuò)誤的評(píng)估值。3.3 評(píng)估一個(gè)函數(shù)先減平移量再套旋轉(zhuǎn)矩陣數(shù)據(jù)加載器寫好后評(píng)估函數(shù)的核心邏輯就清晰了。CEC2013絕大多數(shù)函數(shù)都遵守同一個(gè)變換框架先把當(dāng)前解減去平移向量讓坐標(biāo)原點(diǎn)落在全局最優(yōu)附近如果該函數(shù)定義里帶旋轉(zhuǎn)矩陣再把減完的結(jié)果左乘旋轉(zhuǎn)矩陣得到真正送入基礎(chǔ)函數(shù)公式的變量。下面以簡(jiǎn)化版評(píng)估骨架為例def evaluate_cec2013(x, func_num, shift, rotationNone): 簡(jiǎn)化版評(píng)估骨架先平移再旋轉(zhuǎn) x np.asarray(x, dtypefloat) # 第一步: 平移 z x - shift # 第二步: 旋轉(zhuǎn)(只對(duì)需要旋轉(zhuǎn)的函數(shù)生效) if rotation is not None: z rotation z # 第三步: 基礎(chǔ)函數(shù)公式, 需要對(duì)照資源包中的函數(shù)定義補(bǔ)全 # 這里以單峰平方和為示例, 實(shí)際請(qǐng)按編號(hào)替換 value np.sum(z ** 2) return value D 30 func_num 1 shift load_shift_vector(func_num, D) rotation load_rotation_matrix(func_num, D) x np.random.uniform(-100.0, 100.0, D) best_possible evaluate_cec2013(shift, func_num, shift, rotation) print(理論最優(yōu)位置評(píng)估值:, best_possible) print(隨機(jī)解評(píng)估值:, evaluate_cec2013(x, func_num, shift, rotation))這里有一個(gè)非常實(shí)用的自檢手段把shift本身當(dāng)作輸入傳給評(píng)估函數(shù)得到的結(jié)果代表測(cè)試集定義下的“全局最優(yōu)點(diǎn)處的函數(shù)值”。CEC2013多數(shù)函數(shù)的全局最優(yōu)值被定義成已知常數(shù)如果你的加載邏輯正確這個(gè)評(píng)估值應(yīng)該等于資源包文檔里聲明的值偏差在浮點(diǎn)誤差范圍內(nèi)。很多帶input的數(shù)據(jù)包在文檔里會(huì)明確寫出f(x*)等于多少這個(gè)數(shù)值就是驗(yàn)證讀文件是否正確的天然標(biāo)尺。rotation參數(shù)的設(shè)計(jì)意圖是不是所有函數(shù)都有旋轉(zhuǎn)矩陣有的函數(shù)原始定義就不旋轉(zhuǎn)。因此把它設(shè)成可選參數(shù)函數(shù)定義用到旋轉(zhuǎn)時(shí)才傳入避免所有函數(shù)無(wú)腦乘矩陣導(dǎo)致結(jié)果離譜。3.4 用MATLAB跑一輪完整基準(zhǔn)的常見流程雖然上面用了Python演示但CEC2013的資源包里很大概率自帶MATLAB接口很多研究團(tuán)隊(duì)的對(duì)比實(shí)驗(yàn)仍然在MATLAB環(huán)境里完成。用MATLAB的好處是加載.mat格式的矩陣數(shù)據(jù)更方便壞處是循環(huán)28個(gè)函數(shù)時(shí)容易在變量殘留上翻車。下面給一個(gè)最小流程骨架體現(xiàn)的是我在項(xiàng)目里常用的組織方式。% 固定實(shí)驗(yàn)維度與運(yùn)行次數(shù) D 30; func_list 1:28; num_runs 25; results zeros(length(func_list), num_runs); for fi func_list % 加載旋轉(zhuǎn)矩陣, 注意文件名匹配 mat_file sprintf(input_data/M_%d_D%d.txt, fi, D); M load(mat_file); if size(M, 1) ~ D M reshape(M, D, D); end % 加載平移向量 shift_file sprintf(input_data/shift_data_%d.txt, fi); shift_data load(shift_file); shift_data shift_data(1:D); for r 1:num_runs rng(fi * 1000 r, twister); % 固定隨機(jī)種子 x0 -100 200 * rand(1, D); % 統(tǒng)一邊界初始化 % 這里的run_algorithm是你自己的優(yōu)化器包裝 results(fi, r) run_algorithm((x)cec13_func(x, fi, shift_data, M), x0); end end這段代碼的價(jià)值不在跑出多么好的數(shù)據(jù)而在告訴你三件事一是每個(gè)函數(shù)獨(dú)立加載自己的平移向量和旋轉(zhuǎn)矩陣絕不復(fù)用上一個(gè)函數(shù)的矩陣;二是隨機(jī)種子按函數(shù)編號(hào)加運(yùn)行次數(shù)生成保證每個(gè)函數(shù)、每次運(yùn)行都有可復(fù)現(xiàn)的獨(dú)立序列;三是初始化邊界統(tǒng)一用-100到100這是CEC2013多數(shù)版本約定的搜索范圍常見取值。實(shí)際評(píng)估時(shí)cec13_func需要替換成資源包里自帶或你自己實(shí)現(xiàn)的函數(shù)計(jì)算入口。4. CEC2013跑數(shù)翻車避坑5個(gè)高頻問(wèn)題的現(xiàn)象、原因與解法4.1 復(fù)現(xiàn)論文結(jié)果時(shí)差了幾個(gè)數(shù)量級(jí)現(xiàn)象拿同一套算法跑某個(gè)函數(shù)得到的最優(yōu)值和論文里公布的相差幾個(gè)數(shù)量級(jí)有時(shí)甚至差出十倍百倍。原因最常見的是平移向量沒有加載或加載了錯(cuò)誤的維度文件。函數(shù)定義里明明有偏移量你的實(shí)現(xiàn)卻默認(rèn)全局最優(yōu)點(diǎn)在原點(diǎn)搜索空間整個(gè)錯(cuò)位算法再?gòu)?qiáng)也是在錯(cuò)誤的地形上找解。解決在加載函數(shù)里強(qiáng)制加斷言檢查平移向量長(zhǎng)度必須等于dim尺寸不符時(shí)直接拋異常然后每次跑完第一批數(shù)據(jù)后用先前提到的自檢法把shift代入評(píng)估函數(shù)確認(rèn)輸出的函數(shù)值與文檔聲明的f(x*)一致偏差在1e-10左右才算數(shù)。4.2 同一份代碼在兩臺(tái)電腦上跑出完全不同的曲線現(xiàn)象代碼原封不動(dòng)從工作站拷到筆記本兩個(gè)機(jī)器上跑同一個(gè)函數(shù)收斂曲線走勢(shì)差異很大有一臺(tái)還明顯更差。原因隨機(jī)數(shù)種子沒有顯式固定。很多算法庫(kù)默認(rèn)用當(dāng)前時(shí)間初始化隨機(jī)狀態(tài)換機(jī)器、換時(shí)間跑種群和變異算子初始狀態(tài)全變了。另外矩陣乘法在BLAS層面多線程求和順序不一致也會(huì)造成微小浮點(diǎn)差異被迭代放大后變成可見的曲線分叉。解決實(shí)驗(yàn)?zāi)_本里統(tǒng)一顯式種子例如rng(20240321, twister)并把種子編號(hào)寫進(jìn)輸出文件名。如果對(duì)結(jié)果一致性要求極高,可以在評(píng)測(cè)時(shí)設(shè)置單線程BLAS削弱平臺(tái)差異。這不是玄學(xué)是每個(gè)做對(duì)比實(shí)驗(yàn)的人都該寫進(jìn)實(shí)驗(yàn)記錄的固定動(dòng)作。4.3 組合函數(shù)區(qū)域跑出Inf或NaN現(xiàn)象F1到F20都正常跑到F21到F28時(shí)某幾次評(píng)估直接返回Inf或NaN整個(gè)算法的個(gè)體適應(yīng)度數(shù)組瞬間污染后續(xù)結(jié)果全廢。原因組合函數(shù)內(nèi)部涉及多個(gè)子函數(shù)的權(quán)重疊加個(gè)別子函數(shù)在特定坐標(biāo)區(qū)域會(huì)出現(xiàn)除以零、對(duì)數(shù)取負(fù)數(shù)的數(shù)學(xué)情形或者某個(gè)權(quán)重系數(shù)乘出極大值溢出浮點(diǎn)范圍。解決在評(píng)估入口處對(duì)輸入變量做邊界裁剪把越界分量拉回搜索邊界±100內(nèi);在可能除零的分母上加一個(gè)極小量例如1e-12或eps。同時(shí)要記錄出現(xiàn)Inf的那一代個(gè)體坐標(biāo)反查是哪個(gè)維度沖到邊界外不要只改代碼不看根因。4.4 循環(huán)跑28個(gè)函數(shù)后面的函數(shù)最優(yōu)值全部停滯現(xiàn)象算法在F10以后幾乎不收斂最優(yōu)值始終停留在初始解附近像完全沒有搜索一樣。原因最常見的是循環(huán)里共享了同一個(gè)內(nèi)部狀態(tài)變量。組合函數(shù)的權(quán)重?cái)?shù)組、旋轉(zhuǎn)矩陣臨時(shí)變量、甚至種群對(duì)象在上一輪沒清空導(dǎo)致后一個(gè)函數(shù)的評(píng)估內(nèi)部混入了前一個(gè)函數(shù)的殘留數(shù)據(jù)。解決每個(gè)函數(shù)開始跑之前強(qiáng)制初始化所有狀態(tài)量可以用deepcopy復(fù)制一個(gè)干凈模板或者直接用工廠函數(shù)每次構(gòu)建全新對(duì)象。經(jīng)驗(yàn)法則是循環(huán)體內(nèi)部出現(xiàn)的任何數(shù)組都要在函數(shù)開頭重新賦值不要依賴上一次循環(huán)遺留下來(lái)的結(jié)果。4.5 旋轉(zhuǎn)矩陣讀進(jìn)來(lái)行列數(shù)對(duì)不上現(xiàn)象打印矩陣shape發(fā)現(xiàn)是(900,)或者(900,1)而不是(30,30)矩陣乘法直接報(bào)錯(cuò)。原因資源包發(fā)布時(shí)把旋轉(zhuǎn)矩陣按行展開成了一維文本文件里的900個(gè)數(shù)字對(duì)應(yīng)30×30的矩陣但沒有在文件里額外寫維度信息。直接loadtxt讀出來(lái)自然是一維。解決加載后判斷ndim如果是1就做reshape(dim, dim);更穩(wěn)妥的做法是用np.loadtxt后再看shape配合前面代碼里已有的reshape邏輯。每次更換資源包版本時(shí)打印前三個(gè)矩陣的shape過(guò)目一遍這個(gè)習(xí)慣能省掉大量排查時(shí)間。5. 把CEC2013當(dāng)裁判之前三個(gè)值得養(yǎng)成的跑數(shù)習(xí)慣第一個(gè)習(xí)慣是每拿到一個(gè)陌生基準(zhǔn)包先做“錨點(diǎn)自檢”不要急著跑完整28個(gè)函數(shù)。具體做法是選三個(gè)有代表性的函數(shù)把它們的平移向量和旋轉(zhuǎn)矩陣加載出來(lái)用全局最優(yōu)點(diǎn)處的已知函數(shù)值校驗(yàn)文件是否讀對(duì)。某開發(fā)者當(dāng)年在模擬項(xiàng)目X里調(diào)試時(shí)跑了一個(gè)星期的F8都是虛高結(jié)果后來(lái)發(fā)現(xiàn)是平移向量只取了前10個(gè)數(shù)而我們?cè)O(shè)的維度明明是30。這個(gè)自檢動(dòng)作只用五分鐘能堵住絕大多數(shù)讀數(shù)據(jù)錯(cuò)誤。第二個(gè)習(xí)慣是把28個(gè)函數(shù)分層使用而不是每次都全量跑。開發(fā)階段先在F1到F5上驗(yàn)證梯度與收斂精度這部分函數(shù)跑得快能迅速暴露求導(dǎo)或邊界處理的低級(jí)錯(cuò)誤;確認(rèn)基礎(chǔ)實(shí)現(xiàn)沒問(wèn)題后再上F6到F20調(diào)探索策略最后用F21到F28做整體壓測(cè)。這樣分層跑定位問(wèn)題的時(shí)間能縮短一大半。第三個(gè)習(xí)慣是建立統(tǒng)一實(shí)驗(yàn)協(xié)議顯式固定隨機(jī)種子、統(tǒng)一最大評(píng)估次數(shù)、每個(gè)函數(shù)獨(dú)立運(yùn)行至少25次以上。我們現(xiàn)在常把最大評(píng)估次數(shù)設(shè)為D×10000對(duì)所有算法一視同仁;統(tǒng)計(jì)結(jié)果時(shí)記錄每一組的mean/std/best/worst做顯著性差異判斷時(shí)用Wilcoxon秩和檢驗(yàn)而不是單純比平均值。收斂曲線的縱軸建議用對(duì)數(shù)坐標(biāo)否則組合函數(shù)前期的巨大數(shù)值差會(huì)把圖像壓成一條直線。這些習(xí)慣后來(lái)變成了我在每個(gè)優(yōu)化項(xiàng)目里的默認(rèn)流程代價(jià)是每天多花十分鐘寫校驗(yàn)?zāi)_本收益是幾乎不再出現(xiàn)“跑完一周發(fā)現(xiàn)數(shù)據(jù)根本不成立”的返工。至少對(duì)我來(lái)講這種投入非常劃算。希望幫到你少踩幾個(gè)已經(jīng)踩平了的坑。本文還有配套的精品資源點(diǎn)擊獲取