我知道我的问题很普遍,但我是AI领域的新手.

我有一些参数(几乎6个参数)的实验.它们中的每一个都是独立的,我想找到最大或最小输出功能的最佳解决方案.但是,如果我想在传统的编程技术中使用它,将需要很长时间,因为我将使用六个嵌套循环.

我只是想知道使用哪种AI技术来解决这个问题？遗传算法？神经网络？机器学习？

更新

实际上,问题可能有多个评估功能.
它将有一个我们应该最小化它的功能(成本)
和我们想要最大化的另一个功能(容量)
也许可以添加其他功能.
例：
建造一个玻璃窗可以百万种方式完成.但是,我们想要最低成本的最强窗口.有许多参数会影响窗户的压力容量,例如玻璃的强度,高度和宽度,窗户的斜率.
显然,如果我们采取极端情况(最大强度玻璃,最小宽度和高度,零斜率),窗户将非常强大.但是,这样做的成本会非常高.

我想研究特定范围内参数之间的相互作用.

最佳答案 在不了解具体问题的情况下,听起来像遗传算法是理想的.它们已被大量用于参数优化,并且通常给出了良好的结果.就个人而言,我已经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.

如果将其编码到遗传算法的适应度函数中,则具有多个评估函数不一定是个问题.我会用遗传算法查找多目标优化.

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