首页 高等教育政策法规 高等教育专题研究 院校改革发展动态 高校教师专业发展
高校学生发展服务 高校网员单位信息 网员单位专区 高教改革发展专题集锦 高校改革发展成果展示

重点学科• 特色专业
课程• 教材• 方法
实验• 实训• 实践
专家• 名师• 团队
教学• 科研• 服务
组织• 培训• 网站
专业学术信息
高校教师专业发展>专家• 名师• 团队>有关项目• 实践经验 > 正文
人生的最优化算法
来源: 作者: 时间:2013-3-19

       

  

   人生就是一个最优化过程。在我们自己与环境所决定的目标函数的指引下,不断的更新的自己的状态,期望能迭代到人生的最优解(自己的理想)。

 

      首先需要明确自己的最优解。然后根据自己以及环境的条件等因素,决定自己的目标函数,或者说是对自己现状的评估函数,用来评估现状与理想的差距。

 

其次要选择适当的迭代方法,适当的迭代方法才能在不断的更新自己的状态过程中,使自己离最优解越来越近。 每种方法都有自己的优缺点,如基于非线性最小二乘的算法,优点是速度快,精度高,缺点是容易陷入局部最优解,并且更新过程单一,使用这种算法,很多是急功近利,不考虑长远,只考虑现在,结果导致自己过早的陷入局部最优而不能自拔。还有如进化算法,优点是算法简单,全局寻优能力强,缺点是速度慢,精度低,这种算法在更新过程中注重随机性,也就是人生中的大大小小的机遇。使用这用算法,要有相当的耐性,要经历很长的时间去搜索,去迭代,但最终达到最优解的几率还是很高的。

 

不要盲目的参考他人的经历,要在探索中找到适合自己的。 有一种好的方法是先用进化算法进行全局搜索,对应于人生的早期,有时间有经历,多多的锻炼自己,搜索自己的最优解可能在的领域,并抓住一些机会,更加靠近最优解。之后在利用非线性最小二乘算法,对应于人生的中期,这段事情已经没有了年轻时期的精力,需要的是稳定,并且已经知道了自己现在的状态,不论是否处在了最优解的临域内,都已经没有能力去重来一次了,于是就在现有的基础上,发展到一个令自己满意的次最优解。

 

其实大部分人生都不能很好的迭代到当初设定的最优解,很多人是在迭代过程中跌入了局部最优解而不能自拔。 。有些人这时候已经没有能力跳了,只有修改对最优解的期望,然后使自己到达一个比较满意的局部最优。有些人这时候是有能力跳出来,只是不知道方法,继而深陷其中痛苦不堪。这个时候,就要从算法本身的一些参数入手了。。

 

跳出局部最优的方法有很多,对应到人生上,有以下几种方法

1。增大迭代步长, 增大以当前人生状态为中心的区域,去更远的区域搜索。这是代价最小的方法,不改变当前状态,不改变迭代方法,而只是换一个类似的环境,一个比现在更适合自己的环境。

 

2。改变迭代初始值,也就是推翻之前的工作学习经历。当你在一个领域内始终找不到自己的最优解的时候,可以考虑换一个领域重新再来。这个代价是比较大的,毕竟改变迭代初始值也不一定能得到最优解,所以只是适应于在自己还有能力改变自己的时候。

 

3。改变迭代算法,重新制定自己的未来规划。这个可以和上面两种方法混用。

 

不论是那种方法,都能保证最终能迭代到最优解,而且人生毕竟不象电脑,可以很容易的关机重启。人生只有一次,所以一定要规划好自己的人生,确定好最优解和迭代方法。多参考他人的成功与失败的经验教训,评估好自己的现状,尽量避免过早的陷入人生的局部最优解。

目标函数是用来评估当前的人生状态与最终理想之间的差异的。不同的目标函数的效果不同,有的可能使你陷入局部最优,有的可能使你远离最优,有的则会最终使你成功。因此选择合适的目标函数很重要。

 

考虑到我们的人生理想,最终是要使自己和家人以及周围的人都能有好的生活,都能快乐幸福。因此可以用每个你希望受益的个体或者群体的最终期望受益程度与当前状态下他们的受益程度的误差最小来作为目标函数。

 

一个简单的受益个体/群体的集合可以是这样的:(家人,情人,朋友,社会,自我)

 

一个评估函数的模板可以是这样的:

 

其中x代表人生的状态,而人生的目标就是使f(x)最小。

其中的权重总和为1。意味着当你将某个个体或者群体的权重提高的时候,其他人的权重就会相应的下降。因此在计算时,一定要合理的选择每个个体/群体的权重,不适当的权重选取是导致人生陷入局部最优或者远离最优的原因之一。如将自我的权重设的很重,只考虑自己的感受而不考虑其他人,这样的人生很快就会陷入一个自我为中心的漩涡中而不能自拔。同样,把其中某个个体/群体的权重值设置的很大,最终都会陷入以那个个体/群体为中心的区域内。

 

还有一种情况就是把每个个体/群体的权重设置成大致相同,而且受益个体/群体集合中的元素还很多。这样,不但不会起到好的效果,还会因为考虑的太多而犹豫不决,畏首畏尾,停滞不前。

 

因此要合理的选择每个受益个体/群体的权重,在迭代过程中,还可以适当的调整权重以避免自己陷入局部最优。

 

而一旦因为权重问题陷入了局部最优,就要尽快调整权重值,在还没越陷越深的时候尽早跳出来。

 

上述评估函数还可以有如下形式

 

 

 

当然,并不是每个人都能确定希望受益的个体或者群体的最终期望受益程度,这时候可以以当前的状态为评估函数,如

 

此时的目标函数就是使f(x)最大。

 

这个目标函数比起之前的那个,更加简单,而且也有很多人在用。不足之处就是只是考虑当前,而不长远考虑,因此很容易陷入局部最优。

 

 

========================================

以上所述只是数学上的方法,是一种理想的状态。在实际的生活中,很多人都不能很好的确

定自己希望受益的个体/群体集合,也不能很好的评估出集合中每个个体/群体当前的受益程

度。毕竟人是感性动物,总是受一些感性上的东西支配而不能看清事情的本质,不能很好的

认识到真正关系自己的家人,亲人,朋友的感受。

 

给自己一些时间,静下心来想一想这些问题,是有帮助的。

分享到:
联系我们——网站公告——官方微博——作风建设监督信箱
高教改革与发展网 Copyright@2023 版权所有 未经许可不得转载、复制或建立镜像
京ICP备14045008号-1