我在阅读小册子“使用DEoptim进行大规模投资组合优化”。该小册子应用遗传算法来解决非凸优化问题。

我的问题是关于如何解释参数’F’的步长。文档中写道：“F：步长在区间[0,2]内。默认值为0.8”。在基于梯度的下降方法的机器学习文献中，步长指的是选择向量在最大下降方向上调整的量。大的步长意味着更快的收敛但精度较低。

小册子的案例研究涉及投资组合优化。步长没有作为参数指定，因此始终使用0.8的步长。然而，由于优化是在寻找最小化某些投资组合目标的权重，并且权重要求总和为1，似乎0.8的步长（投资组合的80%）对于这个问题来说太大了。更好的步长选择可能是0.01。

然而，我一定是错过了什么，因为当我运行优化时，我可以看到每一代的权重并不是每次都跳动0.8。那么“步长”的解释是什么？在投资组合优化的背景下，将这个值设为一个小值如0.01（1%）是否有意义？

回答：

F 是差分加权因子；文档中的“步长”描述不当。我会改正这一点。

F 用于在添加到第三个种群成员之前对两个种群成员之间的差异进行加权，以创建新的种群成员。根据策略的不同，它用于创建抖动或变化。

例如，这是创建新种群成员的经典策略的公式：

newMember = oldPop[i,] + F*(oldPop[j,] - oldPop[k,])

其中 i、j、k 是随机的种群成员。