Scipy Opt 遗传算法优化均方误差

如何解决Scipy Opt 遗传算法优化均方误差

我正在尝试使用遗传算法找到模型的最佳 5 个参数（微分方程的解）来拟合时间序列。

我使用 Scikit-Opt 遗传算法 (https://scikit-opt.github.io/scikit-opt/#/en/README) 执行此操作，如下所示：

1. 定义模型 --> model(a,b,c,d,e) 拟合时间序列 --> series

(model 给出了一个微分方程的解：一个与该系列长度相同的时间序列)

2. 将算法的适应度函数定义为模型和系列
的解之间的均方误差

def fitness_func(a,e): error = sklearn.metrics.mean_squared_error(model(a,e),series) return error

3. 使用 lb（下限）和 ub（上限）等一些参数构建 GA，这两个边界通过手动拟合已知：

sko.GA.GA(func = fitness_func0,n_dim = 5,size_pop = 100,max_iter = 50,lb = [-0.5,-0.3,0.01,0.0001,0.1],ub = [-0.01,-0.01,0.5,0.0625,10],precision = 1e-4,prob_mut = 0.2)

4. 运行 GA：

best_x,best_y = ga.run()

bext_x 是使均方误差最小化的 5ple 参数 (a,e) 和 best_y 是模型的 best_x 参数的均方误差值

当我运行代码时，它可以工作（我的意思是，生成 5 个参数，求解模型并计算解与 系列 之间的均方误差以找到最小化它的参数）但是它没有优化错误并且给出的参数也不适合该系列。

我绘制结果并发现：

即使我进行手动拟合，我也发现了比遗传算法发现的最佳均方误差