Mam pytanie: czy zetknęliście się z problemem wyboru odpowiedniego algorytmu optymalizującego (heurystycznego) biorąc pod uwagę liczbę zmiennych optymalizowanych?
Chodzi o to, czy są jakieś odmiany algorytmów, które lepiej się sprawdzają w problemach, gdzie jest np. 100 000 zmiennych? Chodzi głównie o optymalizację sieci neuronowych.
Czy np. algorytmy genetyczne mają lepsze/gorsze odmiany (funkcje krzyżowania etc.) czy algorytmy mrówkowe mogą się lepiej sprawdzić czy jest jeszcze coś innego wartego uwagi?
Posiadacie może jakieś informacje na ten temat i/lub prace naukowe/dyplomowe/notatki z wykładów etc?
Zakładam, że funkcja celu jest nieciągła i nie da się zastosować metod gradientowych.
Z góry dzięki za wszelkie informacje.