Уважаемые участники сообщества,
Я рассматриваю четыре алгоритма глобальной оптимизации, предлагаемых в Scipy, а именно: дифференциальное_развитие, двойное_отжигание, анализирование бассейна и shgo для калибровки модели. Мое пространство параметров составляет 13 измерений, а значения параметров лежат в очень разных диапазонах, поскольку они представляют разные физические величины в диапазоне от 100 с для одного параметра до 1e-6 для другого параметра. Мне было интересно, если мне нужно масштабировать все параметры в одном масштабе (например, линейное масштабирование от 0 до 1)? Насколько я понимаю, по крайней мере, дифференциальный метод является своего рода аффинно-инвариантным, поэтому масштабирование не требуется. Другие методы работают лучше, если параметры предварительно масштабируются? Кто-нибудь из этих методов масштабирует параметры на их уровне? Любые идеи будут полезны.
Спасибо