pydogs 0.1.5

Pydogs4

对于帝国学院合作者

侏儒狗

基于delaunay三角剖分的无导数全局优化算法，有效地解决了函数估计过程不准确的问题，但通过增加计算量可以提高算法的精度。当目标函数是平稳遍历过程统计量的无穷时间平均值时，这个包特别适合。此外，还提出了一种新的uq方法来量化多尺度的期望均方误差，这意味着它是基于一个自相关模型，该模型根据数据进行调整，以适应在不同时间尺度的大范围内的感兴趣统计。此外，还提出了一种消除信号暂态部分的暂态检测方案。

输出

优化代码生成名为allpoints/pts_to_eval.dat的文件，其格式为： 标记=1 IDin=3 awin=0.75 兰姆丹=0.5 方格=0.5

此外，它从当前目录中读取surr_j_new.dat。 a_w与当前的“aw”是相同的参数，其他两个参数将被b_1和b_2替换。

这些参数的范围为： A:[0.05；0.15]（与当前AW相同） B_1:[0；0.2]（代替lambda） B_2:[0；0.13]（代替方乐）