优化算法最优收敛的参数：On-The-Fly 方法

真正引起我兴趣的是，某些参数在执行和优化算法收敛方面表现更好，尽管目标公式并无显著差异。因此研究问题为：“在使用 on-the-fly 方法时，哪些参数能为目标公式提供最优的收敛解？”本研究以实验概念进行，测试了五种不同算法与不同目标函数，以发现哪个参数能带来最佳收敛。为找到正确参数，采用了一种称为“on-the-fly”的方法。我使用五种不同的优化算法运行了实验。其中一次测试运行表明，每个参数对目标函数具有递增或递减的收敛精度，具体取决于所选择的特定优化算法。每个参数对目标函数都具有递增或递减的收敛精度。其中一项将进化算法仅与重组技术结合应用的结果，在寻找最优优化方面表现良好。同样，一些结果通过在一次测试性能中组合变异或多个参数，实现了递增的精度可视化。总之，每种算法都有一组自身收敛特性不同的参数。这也取决于所使用的目标公式。这证实了 fly 方法是一种寻找最佳参数的合适途径。这意味着只要在过程中学习代价率随时间下降，操纵并观察效应以找到正确参数是有效的。