R语言 Rmalschains包 malschains.control()函数中文帮助文档(中英文对照)

loveR

malschains.control(Rmalschains)
malschains.control()所属R语言包：Rmalschains

                                        Sets and initializes the main parameters of the algorithm
                                         设置和初始化参数的算法

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This is a function that initializes and sets the parameters of the algorithm.
这是一个函数，初始化，并设置该算法的参数。


用法----------Usage----------


    threshold=1e-08)



参数----------Arguments----------

参数：popsize
The population size of the evolutionary algorithm.
人口规模的进化算法。


参数：ls
The local search method. Currently implementend are cmaes, sw, simplex, and ssw. Usually, the cmaes local search strategy will give good results. However, it does not scale well with the problem size.  So, if performance is needed, the sw strategy is a better choice. If the problem is high-dimensional, the ssw strategy is promising, which selects randomly 20% of the variables for optimization.
本地搜索方法。 ，目前implementend是：cmaes，sw，simplex和ssw。一般情况下，cmaes局部搜索策略将产生好的结果。但是，它并没有很好地扩展的问题的大小。所以，如果性能是必要的，sw战略是一个更好的选择。如果问题是高维，ssw战略是有前途的，随机选择20％的变量优化。


参数：istep
The number of iterations of the local search. I.e., if the local search is started or re-started on an individual, it will be executed for an  istep number of iterations.  This parameter depends on the local search used. For cmaes, usually an istep of 300 is a good choice. For the other local search methods, an istep of 100 performs better.
的局部搜索的数目的迭代。也就是说，如果本地搜索开始或重新开始对个人，将执行一个istep的迭代次数。这个参数依赖于所使用的局部搜索。对于cmaes，通常是istep300是一个不错的选择。对于其他的本地搜索方法，istep 100的性能更好。


参数：effort
A value between 0 and 1 which gives the ratio between the amount of evaluations that are used for the local search and for the evolutionary algorithm, respectively. A higher effort means more evaluations for the evolutionary algorithm. So, if exploration  of the search space is more important than finding local optima, effort is to be chosen higher.
之间的值，其中0和1之间的比率的量的评价，用于本地搜索和进化算法分别。较高的工作意味着更多的进化算法的评价。所以，如果搜索空间的探索更重要的是比寻找局部最优，effort是选用了较高。


参数：alpha
The alpha parameter from crossover BLX-alpha. A lower value (< 0.3) reduces diversity, a higher value increases diversity.
交叉BLX-α的α参数。较低的值（<0.3），有较高的价值增加多样性多样性降低。


参数：optimum
The optimum to achieve. The default is zero, as in many minimization problems a value of zero can be considered optimal.
的最佳实现。默认值是零，因为在许多最小化问题可以被认为是最优的零值。


参数：threshold
A threshold which defines for the local search how much improvement is considered as no improvement. If this value is chosen  too low (zero), then the local search will usually always try to improve on the best individual, even if it is already located very close to a local optimum.
一个阈值定义的本地搜索被认为是多大的改善没有改善。如果选择此值也低（零），然后在本地搜索将平时总是设法改善上最好的个体，即使它已经非常接近局部最优。


参考文献----------References----------

Memetic algorithms based on local search chains for large scale continuous optimisation problems: MA-SSW-Chains (2011) Soft Computing, 15 (11), pp. 2201-2220.
Memetic algorithms for continuous optimisation based on local search chains
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。