【工业智能】参数推荐

写在前面：
在工业智能领域，我们会发现，很多数据方向的需求，是工艺参数推荐，来使得目标变量维持在某个值附近或者稳定在某个范围内。
针对这样的需求进行了思考，可能有哪些方向的解决方案。

传统方法

相似度+近邻

通过一些特征的确立，来计算当前样本和历史样本的相似度，再找到最近邻的样本的相关参数作为标准值推荐。

预测 + 搜索

建立一个状态变量+控制变量到目标变量的预测模型，再通过对控制变量的搜索遍历，计算每个值对应的预测值，从而选取使得预测值最佳的控制变量。

启发式寻优

算法：
GA遗传算法,
PSO粒子群算法,
ACO蚁群算法,
IA免疫算法,
DE差分进化算法
reference：
https://blog.csdn.net/wc13197389627/article/details/98026209 (这篇文章有对各种启发式算法的对比)

强化学习

要求：
1.能检测到理想状态；
2.可以多次尝试；
3.下个状态只与当前状态有关，与更早之前的状态无关。
4.适用于离散控制。
算法：
DQN