2

是否可以计算差分进化的标准误差？

从维基百科条目：

http://en.wikipedia.org/wiki/Differential_evolution

它不是基于导数的（这确实是它的优势之一），但是你如何计算标准误差呢？

我原以为某种引导策略可能适用，但似乎找不到任何来源，而不是将引导应用于 DE？

巴兹

4

1 回答 1

1

关于标准误差，差分进化就像任何其他进化算法一样。

使用自举策略似乎是个好主意：通常的公式假设基础数据的正态（高斯）分布。对于进化计算来说，这几乎是不可能的（指数分布更为常见，可能其次是双峰分布）。

最简单的 bootstrap 方法涉及获取 N 个数字的原始数据集并从中采样以形成一个大小也为 N 的新样本（重采样）。重采样是使用带放回抽样从原始数据中获取的。这个过程会重复很多次（通常是 1000 或 10000 次），并且对于这些 bootstrap 样本中的每一个，我们都会计算其平均值/中值（每个都称为 bootstrap 估计）。

使用原始样本来代表总体。 从序数样本中重复重新采样。 使用这些重新抽样来计算总体统计量的估计值（平均值或中值）

均值的标准差 (SD) 是均值的自举标准误差 (SE)，中位数的 SD 是中位数的自举 SE（均值的第 2.5 和第 97.5个百分位数是自举的 95% 置信度平均值的限制）。

警告：

  • 人口一词在不同的上下文中具有不同的含义（自举与进化算法）
  • 在任何 GA 或 GP 中，人口的平均值几乎不会告诉您任何有趣的事情。使用最佳运行的平均值/中位数
  • 非正态分布的集合的平均值会产生一个行为不直观的值。特别是如果概率分布是倾斜的：“尾部”中的大值可能占主导地位，平均值往往反映“最差”数据的典型值，而不是一般数据的典型值。在这种情况下，中位数更好

一些有趣的链接是：

于 2014-09-24T16:22:37.657 回答