使用 R 语言包 flacco 对连续与约束优化问题进行基于特征的全面景观分析

从优化算法组合中选择性能最佳的优化器通常是一项困难且复杂的任务。如果底层函数是未知的（即所谓的黑盒问题），且函数评估成本高昂，情况会变得更加糟糕。在连续单目标优化问题中，探索性景观分析 (ELA) ——一种在实际执行优化任务本身之前，通过数值来表征此类问题景观的复杂且有效的方法——具有显著优势。遗憾的是，迄今为止同时计算多种 ELA 特征相当复杂，因为相应的代码即使存在，也散布在多个平台上，或至少分布在各平台上的多个包中。本文对现有的 ELA 方法进行了广泛总结，并介绍了 flacco，这是一个用于连续和约束优化问题基于特征景观分析的 R 包。尽管其函数既不解决优化问题本身，也不解决相关的“算法选择问题 (ASP)”，但它通过在单一平台上（甚至在单一包内）提供丰富的 ELA 特征集，为 ASP 的一个关键要素提供了便捷的访问途径。此外，flacco 提供了多种可视化技术，增强了对其中一些数值特征的理解，从而使某些景观特性更易于理解。最重要的是，我们将介绍该包内置的以及网络托管的（因此独立于平台的）图形用户界面 (GUI)，该界面极大地方便了该包的使用——特别是对于不熟悉 R 的用户——使其成为在致力于连续单目标优化问题的算法选择时非常便利的工具箱。