4. 风险度量与评价指标体系
在全局优化中，我们真正担心的不是“算法没收敛”，而是“算法收敛到了一个看起来很好、实际上很差的点”。局部最优风险的本质是决策不确定性：同一个问题、同一套约束，换一个起点、换一次扰动，结果可能相差很大。因此，风险度量不能只看最终目标函数值，而要从多个维度刻画“这个解有多可信”。本节建立一套可落地的指标体系，并给出风险等级划分与评估流程。
四个核心指标：从“差多少”到“稳不稳”
1. 解的质量差距（Quality Gap）。 设当前解为 x*，目标值为 f(x*)；用多起点或更强算法得到的参考最优值为 f_ref（若已知理论下界 LB，则用 LB 替代）。相对质量差距定义为：
gap_rel = (f(x*) - f_ref) / max(|f_ref|, ε)其中 ε 取一个很小的正数（如 1e-8）防止除零。若 f_ref 未知，可用“多次运行中的最好值”作为参考，此时 gap 反映的是“当前解相对于已知最好解差多少”。工程上更常用的是相对差距百分比，便于跨问题比较。
2. 稳定性（Stability）。 对同一初始点做 K 次轻微扰动（如对初始向量加 N(0, σ²) 噪声，σ 取变量量级的 1%～5%），记录每次收敛的目标值 f_1…f_K，用变异系数衡量：
CV = std(f_1…f_K) / max(|mean(f_1…f_K)|, ε)CV 越小，说明解对微小扰动越不敏感，稳定性越好。注意：稳定性高不等于质量高——一个稳定收敛到次优点的算法，CV 可能很小，但 gap 很大，两者必须联合看。
3. 初始条件敏感度（Sensitivity）。 在变量空间内均匀撒 M 个起点（如拉丁超立方采样），统计落入不同“吸引域”的比例。若 M 个起点收敛到 B 个明显不同的局部解，且最优解被命中的比例仅为 p，则敏感度可量化为 S = 1 - p。S 接近 1 表示“换个起点就换答案”，风险高；S 接近 0 表示解对起点不敏感。
4. 多起点一致性（Consistency）。 定义一致率为：收敛到与当前解目标值相差不超过 δ（如 1%）的起点数占总起点数的比例。一致率高，说明当前解是“多数起点都能到达”的主吸引域，可信度更高；一致率低则提示存在多个竞争性局部解，需要进一步排查。
指标怎么算：一个可复现的评估流程
下面给出一个可直接套用的评估流程，以二维非凸目标函数为例（示例参数为教学假设，非实测）。设目标函数为 f(x,y) = (x² + y − 11)² + (x + y² − 7)²（Himmelblau 函数），变量范围 [-5, 5]²，已知全局最优值约为 0。评估步骤如下：
- 生成起点集。 用拉丁超立方在
[-5,5]²内采样M = 50个起点，保证覆盖均匀。 - 批量求解。 每个起点用同一局部算法（如拟牛顿法）求解，记录收敛点、目标值、迭代次数与收敛标志。
- 聚类去重。 将收敛点按距离阈值（如 0.1）聚类，得到若干候选局部解，统计每个解的命中次数。
- 计算四指标。 以命中次数最多的解为当前解，计算 gap、CV（对最优解附近 10 个起点做扰动重解）、S 与一致率。
- 加权打分并定级。 按
R = 0.4·gap_norm + 0.2·CV_norm + 0.2·S + 0.2·(1−一致率)计算，其中gap_norm与CV_norm做 min-max 归一化到 [0,1]。
假设某次运行结果：50 个起点中 32 个收敛到全局最优附近（一致率 0.64），12 个落入一个目标值约 4.0 的局部解，6 个未收敛；最优解附近扰动 10 次的 CV 为 0.03；gap 约为 0（因为命中了全局最优）。则 S = 1 − 0.64 = 0.36，综合分约为 0.4×0 + 0.2×0.03 + 0.2×0.36 + 0.2×0.36 ≈ 0.15，处于中风险边界——虽然找到了全局最优，但仍有超过三分之一的起点“跑偏”，说明问题地形复杂，若换一批起点，结果未必稳定。
风险等级划分与处置动作
风险等级不是给解“贴标签”，而是决定下一步动作。建议按综合分 R 划分四档，并绑定明确的处置策略：
| 等级 | 综合分 R | 典型特征 | 处置动作 |
|---|---|---|---|
| 低风险 | < 0.15 | gap 小、CV 小、一致率高 | 直接采用，记录指标备查 |
| 中风险 | 0.15～0.40 | 某一维偏高，其余正常 | 增加起点数或换算法复核，确认主吸引域 |
| 高风险 | ≥ 0.40 | gap 大或一致率低、多解竞争 | 重优化：多算法交叉验证、全局搜索兜底 |
| 不可判定 | — | 样本不足、指标相互矛盾 | 补采样、检查收敛标志与约束可行性 |
让指标真正可用的三个细节
第一，归一化要固定口径。 gap 和 CV 的量纲随问题变化，必须用同一批评估样本做 min-max 或分位数归一化，且归一化参数要随评估报告一起存档，否则不同批次的风险分不可比。
第二，权重按决策后果设定。 若一次错误决策代价极高（如工程设计安全裕度），应提高 gap 与一致率的权重；若算法需在线反复调用、对抖动敏感，则提高 CV 权重。权重不是数学问题，是业务判断，必须写明理由。
第三，把评估流程固化为脚本。 手工统计 50 个起点容易出错，建议将“采样—求解—聚类—打分—定级”写成可重复执行的脚本，输出一张包含四指标、综合分、等级与建议动作的评估表。每次优化结果交付时附带该表，风险就从“感觉”变成了“证据”。
至此，局部最优风险有了可计算、可比较、可定级的度量体系。后续无论做算法选型还是结果验收，都可以用同一套指标说话，避免“这个解看起来不错”式的模糊判断。