近期我尝试用群智能算法优化一个化学燃烧模型,该模型包含约100个待优化参数,各参数不确定性范围约为3至4。该模型属于典型的黑箱类型,仅能通过输入获取输出响应,无法进行梯度计算、微分或积分等解析操作;同时,需拟合的实验数据点也约有100个。单次模型运行耗时较长,平均达60秒。起初采用标准粒子群算法进行优化,但因搜索空间维度极高,算法极易陷入局部最优解,且整体优化周期过长,难以满足实际需求。因此,希望了解是否存在更适用于此类高维、计算昂贵、无梯度信息的黑箱优化问题的群智能算法,要求其在维持全局探索能力的同时,具备良好的收敛效率与鲁棒性,能在有限函数评估次数下获得较优解。