找到产生最佳输出的最佳输入组合

Question

我正在从事一个涉及 10 个输入（X1、X2、...、X10）并预测 3 个输出（Y1、Y2、Y3）的项目。 我在 Python 中使用 Keras package，后端为 Tensorflow。我已经构建了一个 ANN，经过训练并显示了不错的预测。

但是，现在我需要确定 10 个输入的哪种组合会产生最低的 Y1 值、最高的 Y2 值和最低的 Y3 值。 本质上，我需要找到 10 个输入值以产生最佳的 output。

我读过 G.netic 算法可能是实现此目的的一种方法，但我不确定如何实现它。 任何建议、见解或示例将不胜感激。

Answer 1

G.netic算法

可以使用 G.netic 算法来完成此操作。
请注意，GA 会最大化适应度 function，因此如果您尝试使用 GA 来最小化某些东西，则您的适应度 function 需要与预期的 output 成反比：

假定域为(0, inf)的适用性示例 function

def fitness(Y1, Y2, Y3):
    return ( 1 / Y1 ) * (Y2) * (1 / Y3)

这将为 Y1 和 Y3 建立相同的优先级，并且为了使三个数字的乘积最大化，Y1 和 Y3 都必须尽可能接近 0，并且 Y2 必须最大化。

为澄清起见，上述适应度 function 可能不适合您的用例，但用于演示适应度 function 必须如何对每个参数应用权重。

这是一个很好的 GA 演练的链接。 使用 GA 解决旅行商问题。

粒子群优化

或者，您可以使用粒子群优化(PSO) ，它执行类似于 GA 的操作，但会找到使 function最小化的参数。

随机梯度下降 (SGD)

如果您对输出有域限制，您还可以使用自定义损失 function（或 MSE、欧几里得距离等）来衡量域限制与实际 output 之间的损失，或者只使用与您使用的相同的适应度 function对于早期的方法。
然后，您可以通过 your.network 进行反向传播，以确定哪个输入变量对 output 损失的影响最大，并使用 SGD。
假设域限制，我希望这种方法能给出最好的结果，否则，它们的性能应该大致相同，并且在很大程度上取决于您使用的适应性 function。

蒙特卡洛

您也可以采用蒙特卡罗方法。