optimization - 使用AI技术优化参数

Question

我知道我的问题很笼统，但我是人工智能领域的新手。
我对一些参数(几乎 6 个参数)进行了实验。它们中的每一个都是独立的，我想找到最大或最小输出函数的最佳解决方案。但是，如果我想用传统的编程技术来完成它会花费很多时间，因为我将使用六个嵌套循环。

我只是想知道该问题使用哪种 AI 技术？遗传算法？神经网络？机器学习？

更新

实际上，该问题可能有多个评估函数。
它将有一个我们应该最小化它的功能(成本)
和另一个我们想要最大化它的功能(容量)
也许可以添加其他功能。
例子:
build 玻璃窗可以用一百万种方式完成。但是，我们希望以最低的成本获得最强的窗口。影响 window 承压能力的参数有很多，例如玻璃的强度、高度和宽度、 window 的坡度。
显然，如果我们采用极端情况(最大强度玻璃，最小宽度和高度，零坡度)， window 将非常坚固。然而，为此付出的代价会非常高。

我想研究特定范围内参数之间的相互作用。

Answer 1

在对具体问题了解不多的情况下，听起来遗传算法是理想的。它们已被大量用于参数优化，并且经常给出良好的结果。就我个人而言，我使用它们来缩小边缘检测技术的参数范围，大约有 15 个变量，并且它们做得不错。

如果您将其编码到遗传算法的适应度函数中，那么拥有多个评估函数就不会成为问题。我会用遗传算法查找多目标优化。

我会从这里开始:Multi-Objective optimization using genetic algorithms: A tutorial